CBNU / 2024 / 인공지능천문학 I

PyTorch 입문부터 실제 천문학 응용 모델까지 단계적으로 학습하는 교육용 저장소.

디렉토리 구조

.
├── tutorial/
│   ├── tensor/              # 텐서 다루기 + autograd + 매직 메서드 (14 챕터)
│   ├── workflow/            # 데이터→모델→학습→평가→모니터링 워크플로우 용법 (9 챕터)
│   └── nn/                  # 신경망 회귀·레이어·모델·학습 인프라 (14 챕터)
├── classification/          # Solar Magnetogram → Solar Flare 발생 예측
└── generation/              # Solar EUV → Solar Magnetogram 변환 (Pix2Pix)

tutorial

tensor/ 에서 NumPy ↔ PyTorch 텐서 다루기와 autograd 까지 익히고, workflow/ 에서 데이터 준비·모델 정의·학습·평가의 표준 용법을 한 번 훑은 뒤, nn/ 에서 회귀·신경망 레이어·모델 조립·학습 인프라를 단계적으로 학습합니다. 자세한 챕터 목록은 tutorial/README.md 참고.

classification

Solar Magnetogram을 이용한 Solar Flare Occurrence 예측 모델 (CNN 분류). classification/README.md 참고.

generation

Solar EUV Image → Solar Magnetogram Translation 모델 (Pix2Pix / Conditional GAN). generation/README.md 참고.

환경

conda create -n pytorch_tutorial python=3.10
conda activate pytorch_tutorial
pip install torch torchvision tensorboard numpy matplotlib pandas imageio scikit-image

torchvision 은 tutorial/workflow/03_data_dataloader.py 의 MNIST 데이터셋 사용에, tensorboard 는 tutorial/workflow/09_monitoring.py 의 학습 시각화에 필요합니다.

권장 버전 : torch>=2.0, numpy>=1.24. GPU(CUDA) 사용 시 PyTorch 공식 가이드에 맞는 빌드를 설치.

실습 권장 순서

1. tutorial/tensor/01 ~ 12 : 텐서 기본·연산·형태 변환
2. tutorial/tensor/13 ~ 14 : autograd 와 nn.Module 의 기반 매직 메서드
3. tutorial/workflow/01 ~ 09 : 데이터·모델·학습·평가·모니터링 워크플로우 용법 익히기
4. tutorial/nn/01 ~ 02 : 같은 회귀 문제를 두 단계 추상화로 풀기
5. tutorial/nn/03 ~ 11 : 신경망 레이어와 모델 조립
6. tutorial/nn/12 ~ 14 : Dataset/DataLoader, 손실/옵티마이저, 모델 저장
7. classification/ : 실제 분류 모델 학습/평가
8. generation/ : Pix2Pix 기반 영상 변환