[Modify] 일부 수정

주중수업/7주차/1_train_follow.py

@@ -5,7 +5,7 @@
 import torch.nn as nn                                   # nn 패키지 임포트
 from torch.optim import Adam                            # Adam 클래스 임포트
 
-# from networks.MLP_network import MLP                    # MLP 클래스 임포트
+# from networks.MLP_network import MLP                  # MLP 클래스 임포트
 # from networks.LeNet_network import LeNet, LeNet_Linear, LeNet_MultiConv, LeNet_MergeConv  # LeNet,_Linear, _MultiConv, _MergeConv 클래스 임포트
 from networks.VGG_network import VGG                    # VGG 클래스 임포트 
 from utils.parser import parse_args                     # 하이퍼파라미터를 받기 위한 함수 임포트
@@ -42,18 +42,18 @@ def main():
     for epoch in range(args.total_epochs):                      # 에포크 수만큼 반복
 
         # 데이터로더에서 데이터를 불러오기
-        for idx, (image, label) in enumerate(train_loader):  # 데이터를 불러오기
-            image = image.to(args.device)                     # 데이터를 디바이스에 올리기
-            label = label.to(args.device)                   # 타깃을 디바이스에 올리기
+        for idx, (image, label) in enumerate(train_loader):     # 데이터를 불러오기
+            image = image.to(args.device)                       # 데이터를 디바이스에 올리기
+            label = label.to(args.device)                       # 타깃을 디바이스에 올리기
 
             # 모델이 추론
             start = time.time()                                 # 시간 측정 시작
-            output = model(image)                              # 모델에 이미지 입력 후 출력값 저장
+            output = model(image)                               # 모델에 이미지 입력 후 출력값 저장
             duration = time.time() - start                      # 시간 측정 종료
             durations.append(duration)                          # 시간 측정 결과 저장
 
             # 출력값 바탕으로 loss 계산
-            loss = loss_fn(output, label)                     # loss 계산
+            loss = loss_fn(output, label)                       # loss 계산
 
             # 파라미터 업데이트
             loss.backward()                                     # 역전파 수행
@@ -70,7 +70,7 @@ def main():
 
                 # 정확도가 높아지면 모델 저장
                 if _max < acc :                                         # 정확도가 높아지면
-                    print('새로운 max 값 달성, 모델 저장', acc)   # 새로운 최대 정확도 출력
+                    print('새로운 max 값 달성, 모델 저장', acc)           # 새로운 최대 정확도 출력
                     _max = acc                                          # 최대 정확도 업데이트
                     torch.save(                                         # 모델 저장
                         model.state_dict(),