이론 문제

실습 문제

1. 주어진 데이터셋을 이용하여 소프트맥스 회귀를 구현하세요

<조건 : nn_Module를 이용, 총 2000번의 에포크를 수행하고 200번마다 로그를 출력>

# 주어진 데이터
X = [[2.0, 1.0],
     [3.0, 1.0],
     [4.0, 1.0],
     [3.0, 2.0],
     [5.0, 1.0],
     [7.0, 1.0],
     [8.0, 2.0],
     [9.0, 2.0],
     [10.0, 3.0],
     [11.0, 3.0]]

y = [0, 0, 0, 1, 1, 1, 2, 2, 2, 2]

답

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

# 주어진 데이터셋
x_train = torch.FloatTensor(X)
y_train = torch.LongTensor(y)

# 소프트맥스 회귀 모델 정의
class SoftmaxClassifierModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(2, 3)
        
    def forward(self, x):
        return self.linear(x)

model = SoftmaxClassifierModel()

# optimizer 설정
optimizer = optim.SGD(model.parameters(), lr=0.1)

nb_epochs = 2000
for epoch in range(nb_epochs + 1):

    # H(x) 계산
    prediction = model(x_train)

    # cost 계산
    cost = F.cross_entropy(prediction, y_train)

    # cost로 H(x) 개선
    optimizer.zero_grad()
    cost.backward()
    optimizer.step()
    
    # 50번마다 로그 출력
    if epoch % 200 == 0:
        print('Epoch {:4d}/{} Cost: {:.6f}'.format(
            epoch, nb_epochs, cost.item()
        ))