simplify the descriptions

02-Getting-Started-With-PyTorch/check_installation.py

@@ -0,0 +1,54 @@
+is_ready = True
+installed_packages = []
+uninstalled_packages = []
+try:
+    import torch
+    installed_packages.append("파이토치 버전:%s" % torch.__version__)
+except:
+    is_ready = False
+    uninstalled_packages.append("파이토치")
+try:
+    import torchvision
+    installed_packages.append("토치비젼 버전:%s" % torchvision.__version__)
+except:
+    is_ready = False
+    uninstalled_packages.append("토치비전")
+try:
+    import torchtext
+    installed_packages.append("토치텍스트 버전:%s" % torchtext.__version__)
+except:
+    is_ready = False
+    uninstalled_packages.append("토치텍스트")
+try: 
+    import numpy
+    installed_packages.append("넘파이 버전:%s" % numpy.__version__)
+except:
+    is_ready = False 
+    uninstalled_packages.append("넘파이")
+try:
+    import matplotlib
+    installed_packages.append("맷플랏립 버전:%s" % matplotlib.__version__)
+except:
+    is_ready = False
+    uninstalled_packages.append("맷플랏립")
+try:
+    import sklearn
+    installed_packages.append("사이킷런 버전:%s" % sklearn.__version__)
+except:
+    is_ready = False
+    uninstalled_packages.append("사이킷런")
+
+if is_ready:
+    print("축하합니다! 3분 딥러닝 파이토치맛 예제 실행을 위한 환경설정이 끝났습니다.")
+    print("설치된 라이브러리 정보:")
+    for pkg in installed_packages:
+        print(" * " + pkg)
+else:
+    print("미설치된 라이브러리가 있습니다.")
+    print("설치된 라이브러리 정보:")
+    for pkg in installed_packages:
+        print(" * " + pkg)
+    print("미설치된 라이브러리 정보:")
+    for pkg in uninstalled_packages:
+        print(" * " + pkg)
+

03-Coding-Neural-Networks-In-PyTorch/00-image-recovery.py

@@ -0,0 +1,63 @@
+#!/usr/bin/env python
+# coding: utf-8
+
+# ## 프로젝트 1. 경사 하강법으로 이미지 복원하기
+# ### 프로젝트 개요와 목표
+# 이번 프로젝트에서 우리가 풀 문제는 다음과 같습니다.
+# 치명적인 버그가 있는 weird_function() 이라는 함수가 original_image 라고 하는 어느 이미지 파일을 입력받아 broken_image 라는 이미지를 리턴했습니다. 우리는 이 오염된 이미지를 삭제하려고 했으나 실수로 원본 이미지 파일을 삭제해버린 상황입니다.
+# 다행히도 weird_function()의 소스코드는 삭제되지 않았습니다.
+# 우리의 목표는 오염된 이미지와 weird_function()의 코드만을 가지고 원본 이미지 파일을 복원하는 것입니다.
+# *Sources are based on https://github.com/jcjohnson/pytorch-examples, NYU Intro2ML*
+
+get_ipython().run_line_magic('matplotlib', 'inline')
+import torch
+import pickle
+import matplotlib.pyplot as plot
+
+
+shp_original_img = (100, 100)
+broken_image =  torch.FloatTensor( pickle.load(open('./broken_image_t.p', 'rb'),encoding='latin1' ) )
+
+
+plot.imshow(  broken_image.view(100,100) ) 
+
+
+def weird_function(x, n_iter=5):
+    h = x    
+    filt = torch.tensor([-1./3, 1./3, -1./3])
+    for ii in range(n_iter):
+        zero_tensor = torch.tensor([1.0*0])
+        h_l = torch.cat( (zero_tensor, h[:-1]), 0)
+        h_r = torch.cat((h[1:], zero_tensor), 0 )
+        h = filt[0] * h + filt[2] * h_l + filt[1] * h_r
+        if ii % 2 == 0:
+            h = torch.cat( (h[h.shape[0]//2:],h[:h.shape[0]//2]), 0  )
+    return h
+
+
+def distance_loss(hypothesis, broken_image):    
+    return torch.dist(hypothesis, broken_image, 2)
+
+
+random_tensor = torch.randn(10000, dtype = torch.float)
+print(random_tensor)
+print(weird_function(random_tensor))
+
+
+lr = 0.8
+for i in range(0,20000):
+    random_tensor.requires_grad_(True)
+    hypothesis = weird_function(random_tensor)
+    loss = distance_loss(hypothesis, broken_image)
+    loss.backward()
+    with torch.no_grad():
+        random_tensor = random_tensor - lr*random_tensor.grad
+    if i % 1000 == 0:
+        print('Loss at ', i, ' = ', loss.item())
+
+
+plot.imshow(  random_tensor.view(100,100).data  )
+
+
+plot.imshow(  random_tensor.view(100,100).data,cmap = 'gray')
+