Deep Learning Academy · 강의

순전파, 손실, 역전파, 갱신

한 번의 학습 반복에서 수행하는 네 가지 동작을 알아봅니다

순전파, 손실, 역전파, 갱신은(는) CoddyKit의 무료 Deep Learning Academy 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Deep Learning Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

Four Moves, One Beat

Every training iteration is just four moves repeated: forward, loss, backward, step. Learn this rhythm and the whole training loop stops feeling mysterious. 🥁

Move One: Forward

The forward pass sends your input through the model so it produces a prediction. You just call the model on a batch of data and read the output.

pred = model(x)

Logits, Not Answers Yet

The forward output is usually raw scores called logits, not clean labels. The loss function knows how to read these scores directly, so you leave them as is.

Move Two: Loss

Next you measure how wrong the prediction was. The loss compares your output to the true labels and boils the mistake down to one number.

loss = loss_fn(pred, y)

Lower Loss, Better Model

A big loss means a poor prediction and a small one means a good prediction. Training has a single mission: drive this number steadily downward.

Move Three: Backward

Now you ask which way to nudge each weight. The backward pass uses autograd to compute every gradient and fill each parameter's .grad for you.

loss.backward()

Gradients Are Directions

Each gradient tells you how the loss would change if you tweaked that one weight. They are the map the optimizer follows toward a better model.

Move Four: Step

Finally the optimizer applies those gradients, nudging every weight a little. This step is the moment the model actually learns from its mistake.

optimizer.step()

Clear the Grads

Gradients pile up by default, so before the next backward you call zero_grad. Skip it and old gradients corrupt your next update.

optimizer.zero_grad()

The Whole Move

Put the four moves together and you get one clean iteration. You will type this exact pattern in nearly every PyTorch project you build.

optimizer.zero_grad()
pred = model(x)
loss = loss_fn(pred, y)
loss.backward()
optimizer.step()

Then Do It Again

Run these moves on batch after batch and the loss falls a little each time. Thousands of tiny updates are what turn random weights into real skill.

Quick Check

Which call actually computes the gradients for every weight?

Recap

One iteration is four moves: forward for a prediction, loss to measure error, backward for gradients, and step to update weights. Repeat to learn. 🎉

자주 묻는 질문

“순전파, 손실, 역전파, 갱신” 강의는 무료인가요?

네 — “순전파, 손실, 역전파, 갱신” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Deep Learning Academy 강의 전체를 잠금 해제할 수 있습니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“순전파, 손실, 역전파, 갱신”에서 뭘 배우나요?

한 번의 학습 반복에서 수행하는 네 가지 동작을 알아봅니다 브라우저에서 직접 실행하는 실습 코드로 Deep Learning Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Deep Learning Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Deep Learning Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“순전파, 손실, 역전파, 갱신” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Deep Learning Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Deep Learning Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Deep Learning Academy(으)로 돌아가기