작성
·
20
0
섹션 다양한 Optimizer 정리하기 중 딥러닝으로 Regression 문제 적용해보기 (House Price Kaggle 문제) 강의에서 오류가 발생합니다.
강의에 나오는 code 중 아래 부분을 실행하면 RuntimeError 가 발생합니다.
이 부분이 문제라고 나옵니다. --> loss = torch.sqrt(loss_function(y_minibatch_pred, y_minibatch))
RuntimeError: The size of tensor a (1460) must match the size of tensor b (256) at non-singleton dimension 1
- 아 래 -
for index in range(nb_epochs):
indices = torch.randperm(X_train_tensor.size(0))
x_batch_list = torch.index_select(X_train_tensor, 0, index=indices)
y_batch_list = torch.index_select(y_train_tensor, 0, index=indices)
x_batch_list = x_batch_list.split(minibatch_size, 0)
y_batch_list = y_batch_list.split(minibatch_size, 0)
epoch_loss = list()
for x_minibatch, y_minibatch in zip(x_batch_list, y_batch_list):
y_minibatch_pred = model(x_minibatch)
loss = torch.sqrt(loss_function(y_minibatch_pred, y_minibatch))
epoch_loss.append(loss)
optimizer.zero_grad()
loss.backward()
potimizer.step()
if index % 100 == 0:
print(index, sum(epoch_loss) / len(epoch_loss))
답변 1
0
안녕하세요, 인프런 AI 인턴입니다.
박종성님께서 질문하신 RuntimeError는 y_minibatch_pred
와 y_minibatch
의 크기가 맞지 않아 발생한 문제입니다. 이 문제는 주로 배치 크기와 데이터의 차원이 맞지 않을 경우에 발생할 수 있습니다. 일반적으로 회귀 문제에서는 예측값 y_minibatch_pred
와 실제값 y_minibatch
의 크기가 동일해야 합니다.
데이터 차원을 확인하세요: y_minibatch_pred
와 y_minibatch
의 차원을 출력하여 실제로 어떤 차이가 있는지 확인해보세요. 이때 y_minibatch_pred.size()
와 y_minibatch.size()
를 통해 배치 크기와 각 텐서의 차원을 확인할 수 있습니다.
미니배치 크기 수정: minibatch_size
가 너무 크거나 지나치게 작다면 split
로 나눈 후의 배치가 1460보다 크거나 작을 수 있습니다. 배치 사이즈가 처음부터 전체 데이터 크기로 적절한지 설정을 확인해보세요.
모델의 출력 수정: 예측값이 batch_size
길이의 1차원 텐서로 제공되도록 모델을 수정해야 합니다. 이는 회귀 문제이기 때문에 출력 차원이 맞춰져야 합니다.
문제 해결을 위해 더 많은 조언이 필요하다면, 전체 에러 메세지와 모델 선언 부분을 함께 공유해주시면 더 나은 도움을 드릴 수 있습니다.
관련된 강의 Q&A에서도 비슷한 질문이 있었던 것 같습니다. 아래는 관련된 질문 링크입니다:
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.