[01부] 파이토치 개요 ▣ 01장: 파이토치를 이용한 딥러닝 소개 딥러닝 되짚어보기 ___활성화 함수 ___최적화 스케줄 파이토치 살펴보기 ___파이토치 모듈 ___텐서 모듈 파이토치로 신경망 훈련하기 요약 ▣ 02장: CNN과 LSTM 결합하기 CNN과 LSTM으로 신경망 만들기 ___텍스트 인코딩 데모 파이토치로 이미지 캡션 생성하기 ___이미지 캡션 데이터셋 다운로드 ___캡션(텍스트) 데이터 전처리 ___이미지 데이터 전처리 ___이미지 캡션 데이터 로더 정의하기 ___CNN-LSTM 모델 정의하기 ___CNN-LSTM 모델 훈련하기 ___훈련된 모델로 이미지 캡션 생성하기 요약 [02부] 고급 신경망 아키텍처▣ 03장: 심층 CNN 아키텍처 왜 CNN이 막강한가? CNN 아키텍처의 발전 LeNet을 처음부터 구현하기 ___파이토치로 LeNet 구성하기 ___LeNet 훈련하기 ___LeNet 테스트하기 AlexNet 모델 미세 조정하기 ___파이토치로 AlexNet 미세 조정하기 사전 훈련된 VGG 모델 실행하기 GoogLeNet과 Inception v3 살펴보기 ___Inception 모듈 ___1×1 합성곱 ___전역 평균 풀링 ___보조 분류기 ___Inception v3 ResNet과 DenseNet 아키텍처 ___DenseNet EfficientNet과 CNN 아키텍처의 미래 요약 ▣ 04장: 심층 순환 신경망 아키텍처 순환 신경망의 발전 순환 신경망 유형 ___RNN ___양방향 RNN ___LSTM ___확장된 LSTM과 양방향 LSTM ___다차원 RNN 적층 LSTM ___GRU ___그리드 LSTM ___게이트 직교 순환 유닛 감성 분석을 위해 RNN 훈련하기 ___텍스트 데이터셋 로딩 및 전처리 ___모델 인스턴스화 및 훈련 양방향 LSTM 만들기 ___텍스트 데이터셋 로딩과 전처리 ___LSTM 모델 인스턴스화 및 훈련 GRU와 어텐션 기반 모델 ___GRU와 파이토치 ___어텐션 기반 모델 요약 ▣ 05장: 하이브리드 고급 모델 언어 모델링을 위한 트랜스포머 모델 만들기 언어 모델링 ___트랜스포머 모델 아키텍처 RandWireNN 모델 구현 ___RandWireNN 모델의 이해 ___파이토치로 RandWireNN 개발 요약 [03부] 생성 모델과 심층 강화학습 ▣ 06장: 파이토치를 활용한 음악, 텍스트 생성 파이토치로 트랜스포머 기반 텍스트 생성기 만들기 ___트랜스포머 기반 언어 모델 훈련 ___언어 모델 저장 및 로딩 ___언어 모델로 텍스트 생성하기 텍스트 생성기로 사전 훈련된 GPT-2 사용하기 ___GPT-2로 바로 사용할 수 있는 텍스트 생성기 구현하기 ___파이토치를 사용한 텍스트 생성 전략 파이토치에서 LSTM으로 미디 음악 생성하기 ___미디 음악 데이터 로딩 ___LSTM 모델 정의 및 훈련 방법 ___음악 생성 모델 훈련 및 테스트 요약 ▣ 07장: 신경망 스타일 전이 이미지 간 스타일 전이하는 방법 파이토치에서 신경망을 이용한 스타일 전이 구현하기 ___콘텐츠와 스타일 이미지 로딩 ___사전 훈련된 VGG19 모델 로딩 및 조정 ___신경망 스타일 전이 모델 구축 ___스타일 전이 모델 훈련 ___스타일 전이 모델 실험 요약 ▣ 08장: 심층 합성곱 GAN 생성 네트워크와 판별 네트워크 정의 ___DCGAN 생성 모델과 판별 모델 파이토치로 DCGAN 훈련하기 ___생성 모델 정의 ___이미지 데이터셋 로딩 ___DCGAN 훈련 루프 GAN을 이용한 스타일 전이 ___pix2pix 아키텍처 요약 ▣ 09장: 심층 강화학습 강화학습 개념 ___강화학습 알고리즘 유형 Q-러닝 심층 Q-러닝 ___두 개의 분리된 DNN 사용 ___경험 재현 버퍼 파이토치에서 DQN 모델 만들기 ___메인 CNN 모델과 타깃 CNN 모델 초기화 ___경험 재현 버퍼 정의 ___환경 설정 ___CNN 최적화 함수 정의 ___에피소드 관리 및 실행 ___퐁 게임을 위한 DQN 모델 훈련 요약 [04부] 운영 시스템에서의 파이토치 ▣ 10장: 파이토치 모델을 운영 환경에 이관하기 파이토치에서 모델 서빙 ___파이토치 모델 추론 파이프라인 생성 ___기본적인 모델 서버 구축 ___모델 마이크로서비스 생성 토치서브를 활용한 파이토치 모델 서빙 ___토치서브 서버 실행 및 사용 토치스크립트와 ONNX를 활용해 범용 파이토치 모델 내보내기 ___토치스크립트의 유틸리티 ___토치스크립트로 모델 추적하기 ___토치스크립트로 모델 스크립팅 ___C++에서 파이토치 모델 실행하기 ___ONNX를 이용해 파이토치 모델 내보내기 클라우드에서 파이토치 모델 서빙 ___AWS에서 파이토치 사용하기 ___구글 클라우드에서 파이토치 모델 서빙 ___애저에서 파이토치 모델 서빙 요약 참고 문헌 ▣ 11장: 분산 훈련 파이토치를 이용한 분산 훈련 ___일반 방식의 MNIST 모델 훈련 ___분산 방식의 MNIST 모델 훈련 CUDA로 GPU상에서 분산 훈련 요약 ▣ 12장: 파이토치와 AutoML AutoML로 최적의 신경망 아키텍처 찾기 ___Auto-PyTorch로 최적의 MNIST 모델 찾기 Optuna로 초매개변수 찾기 ___모델 아키텍처 정의 및 데이터셋 로딩 ___모델 훈련 방식과 최적화 스케줄 정의 ___Optuna의 초매개변수 탐색 실행 요약 ▣ 13장: 파이토치와 설명 가능한 AI 파이토치에서 모델 해석 가능성 ___필기체 숫자 분류 모델 훈련 - 복습 ___모델의 합성곱 필터 시각화 ___모델의 특징 맵 시각화 Captum을 이용한 모델 해석 ___Captum 설정 ___Captum의 해석 도구 요약 ▣ 14장: 파이토치로 빠르게 프로토타이핑하기 fast.ai를 이용해 몇 분 안에 모델 훈련 설정하기 ___fast.ai를 설정하고 데이터 로딩하기 ___fast.ai를 이용한 MNIST 모델 훈련 ___fast.ai를 이용한 모델 평가 및 해석 파이토치 라이트닝을 이용한 모델 훈련 ___파이토치 라이트닝에서 모델 구성 요소 정의 ___파이토치 라이트닝을 이용한 모델 훈련 및 평가 요약