SequentialMLP 데이터 흐름

SequentialMLP 데이터 흐름

input_dim=20 · hidden_dim=10 · output_dim=1 · batch=40

Python · PyTorch

class SequentialMLP(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super().__init__()
        self.layers = nn.Sequential(
            nn.Linear(input_dim, hidden_dim),   # W:(hidden,input) + bias:(hidden,) ← PyTorch가 자동 생성!
            nn.ReLU(),
            nn.Linear(hidden_dim, output_dim)   # W:(output,hidden) + bias:(output,) ← PyTorch가 자동 생성!
        )

    def forward(self, x):
        return self.layers(x)


# 하이퍼파라미터: 사람이 직접 지정 ✋
model = SequentialMLP(input_dim=20, hidden_dim=10, output_dim=1)

# 더미 데이터: (데이터수=40, 특성수=20)
X = torch.ones(size=(40, 20))
y_pred = model(X)
y_pred.size()   # → torch.Size([40, 1])

# bias는 학습 파라미터 — 역전파로 알아서 업데이트돼요 🔁
# model.layers[0].bias  → tensor([...], requires_grad=True)

하이퍼파라미터 (사람이 직접 지정)

키워드

주석

(40, 20) → (40, 10) → (40, 10) → (40, 1)

💡 배치 처리 핵심

nn.Linear은 항상 (데이터수, 입력차원) 형태를 받아요.
PyTorch는 배치(batch) 처리로 40개 데이터를 한 번에 병렬로 계산해요! 🚀
그래서 출력도 (40, 1) — 40개 예측값이 한꺼번에 나와요 ✨