Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- 데드리프트
- 개발자
- 코드
- 개인 피티
- 다이어트
- 프로그래머스
- 디버깅
- 개인 운동
- github
- 코테 공부
- 논문 리뷰
- 라섹 수술 후기
- 운동
- 건강
- 코딩테스트
- PT 운동
- 덤벨운동
- 연구 시작
- 개인 PT
- 코테준비
- 티스토리챌린지
- 바디프로필
- 오블완
- 하체운동
- 바프준비
- 영화 비평
- pytorch
- 체스트프레스
- Knowledge Tracing
- 암풀다운
Archives
- Today
- Total
치즈의 AI 녹이기
nn.Embedding sparse 파라미터 본문
오늘 가져온 것은 Embedding 클래스입니다.
위 코드에서 제가 주목한 점은 nn.Embedding으로 self.emb 변수를 초기화하는 46번 줄의 코드입니다.
sparse argument를 사용하고 있어 이에 대해 구글링 해보았습니다.
해당 동영상을 참고하여 sparse = False일 때와 True일때를 비교해 보면,
위 코드를 작성해서 나온 결과,
처음에 10 x 10으로 초기화했던 embedding의 매개변수들의 변화도(gradient)값입니다.
이번엔 sparse=True로 두었을 때 결과값을 보겠습니다.
즉, 변화도에서 0이 아닌 것만 weight 업데이트 되도록 해줍니다.
memory 절약에 도움이 될것 같습니다.
Embedding 코드의 출처는 앞선 글에서 언급하였습니다.
'인공지능 대학원생의 생활 > 동료 코드 따라잡기' 카테고리의 다른 글
kwargs 이용해서 효율적으로 인자 관리하기 (0) | 2022.09.19 |
---|---|
state_dict()로 best 모델 저장 및 불러오기 (0) | 2021.07.19 |
nn.DataParallel 사용하기 (0) | 2021.07.16 |
Huggingface Bert 모델 커스터마이징 하기 (0) | 2021.07.16 |
동료 코드 따라잡기_시작하며 (0) | 2021.06.25 |