Week 9_예습과제_김정은

Week_9_복습과제_김정은.ipynb

@@ -0,0 +1,104 @@
+{
+  "cells": [
+    {
+      "cell_type": "code",
+      "execution_count": 1,
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "MAyG6GGTU_mC",
+        "outputId": "969cf618-39a3-4a19-8999-9f08f64cf9b1"
+      },
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "Net(\n",
+            "  (conv1): Conv2d(1, 6, kernel_size=(5, 5), stride=(1, 1))\n",
+            "  (conv2): Conv2d(6, 16, kernel_size=(5, 5), stride=(1, 1))\n",
+            "  (fc1): Linear(in_features=400, out_features=120, bias=True)\n",
+            "  (fc2): Linear(in_features=120, out_features=84, bias=True)\n",
+            "  (fc3): Linear(in_features=84, out_features=10, bias=True)\n",
+            ")\n"
+          ]
+        }
+      ],
+      "source": [
+        "import torch\n",
+        "from torch.autograd import Variable\n",
+        "import torch.nn as nn\n",
+        "import torch.nn.functional as F\n",
+        "\n",
+        "### 다음은 간단한 Convolutional Neural Network 모델 구조를 나타낸 코드입니다. 6장을 참고하여 아래 코드를 완성해주세요! ###\n",
+        "\n",
+        "class Net(nn.Module):\n",
+        "\n",
+        "    def __init__(self):\n",
+        "        super(Net, self).__init__()\n",
+        "\n",
+        "        # 흑백 이미지(1개 채널)이며, 출력 채널은 6개이고 커널 크기는 5x5\n",
+        "        self.conv1 = nn.Conv2d(in_channels = 1, out_channels = 6, kernel_size = 5)\n",
+        "\n",
+        "        #  입력은 ConvLayer의 출력, 출력 채널은 16개이고 커널 크기는 5x5\n",
+        "        self.conv2 = nn.Conv2d(in_channels = 6, out_channels = 16, kernel_size = 5)\n",
+        "\n",
+        "        # 입력 크기는 Conv2의 출력 크기를 flatten한 값, 출력 크기는 120\n",
+        "        self.fc1 = nn.Linear(in_features = 16*5*5, out_features = 120)\n",
+        "\n",
+        "        # 출력 크기 84\n",
+        "        self.fc2 = nn.Linear(in_features = 120, out_features = 84)\n",
+        "\n",
+        "        # 출력 크기는 클래스 수(10개)\n",
+        "        self.fc3 = nn.Linear(in_features = 84, out_features = 10)\n",
+        "\n",
+        "    def forward(self, x):\n",
+        "        # (2, 2) 윈도우 크기로 맥스 풀링\n",
+        "\n",
+        "        # Conv1 -> ReLU 활성화 -> MaxPooling\n",
+        "        x = F.max_pool2d(F.relu(self.conv1(x)), kernel_size = 2)\n",
+        "\n",
+        "        # Conv2 -> ReLU 활성화 -> MaxPooling\n",
+        "        x = F.max_pool2d(F.relu(self.conv2(x)), kernel_size = 2)\n",
+        "\n",
+        "        x = x.view(-1, self.num_flat_features(x))\n",
+        "\n",
+        "        # FC1 -> ReLU 활성화\n",
+        "        x = F.relu(self.fc1(x))\n",
+        "\n",
+        "        # # FC2 -> ReLU 활성화\n",
+        "        x = F.relu(self.fc2(x))\n",
+        "\n",
+        "        x = self.fc3(x)\n",
+        "        return x\n",
+        "\n",
+        "\n",
+        "    def num_flat_features(self, x):\n",
+        "        size = x.size()[1:]  # 배치 차원을 제외한 모든 차원\n",
+        "        num_features = 1\n",
+        "        for s in size:\n",
+        "            num_features *= s\n",
+        "        return num_features\n",
+        "\n",
+        "\n",
+        "net = Net()\n",
+        "print(net)"
+      ]
+    }
+  ],
+  "metadata": {
+    "colab": {
+      "provenance": []
+    },
+    "kernelspec": {
+      "display_name": "Python 3",
+      "name": "python3"
+    },
+    "language_info": {
+      "name": "python"
+    }
+  },
+  "nbformat": 4,
+  "nbformat_minor": 0
+}