Skip to content

recipes/Captum_Recipe.py 오탈자 수정 #983

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
wants to merge 3 commits into
base: master
Choose a base branch
from
Open

recipes/Captum_Recipe.py 오탈자 수정 #983

Changes from all commits
Commits
Show all changes
3 commits
Select commit Hold shift + click to select a range
dc5c63d
Captum Recipe 번역 개선: attribution 용어 일관성, 불필요한 역슬래시 제거
Brdy8294 Oct 4, 2025
426227a
recipes_source/recipes/Captum_Recipe.py 오탈자 수정: attribution 표기 통일 및 역…
Brdy8294 Oct 4, 2025
f3e4f66
잘못된 경로 recipes/recipes/Captum_Recipe.py 삭제
Brdy8294 Oct 4, 2025
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
25 changes: 12 additions & 13 deletions recipes_source/recipes/Captum_Recipe.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -10,7 +10,7 @@
# Captum을 사용하면 데이터 특징(features)이 모델의 예측 또는 뉴런 활성화에
# 미치는 영향을 이해하고, 모델의 동작 방식을 알 수 있습니다.
#
# 그리고 \ ``Integrated Gradients``\ 와 \ ``Guided GradCam``\ 과 같은
# 그리고 ``Integrated Gradients`` 와 ``Guided GradCam`` 과 같은
# 최첨단의 feature attribution 알고리즘을 적용할 수 있습니다.
#
# 이 레시피에서는 Captum을 사용하여 다음을 수행하는 방법을 배웁니다:
Expand Down Expand Up @@ -61,14 +61,14 @@


######################################################################
# 속성(attribution) 계산하기
# 속성 계산하기
# -------------------------------


######################################################################
# 모델의 top-3 예측 중에는 개와 고양이에 해당하는 클래스 208과 283이 있습니다.
#
# Captum의 \ ``Occlusion``\ 알고리즘을 사용하여 각 예측을 입력의 해당 부분에 표시합니다.
# Captum의 ``Occlusion`` 알고리즘을 사용하여 각 예측을 입력의 해당 부분에 표시합니다.

from captum.attr import Occlusion

Expand All @@ -95,14 +95,14 @@


######################################################################
# Captum은 ``Occlusion`` 외에도 \ ``Integrated Gradients``\ , \ ``Deconvolution``\ ,
# \ ``GuidedBackprop``\ , \ ``Guided GradCam``\ , \ ``DeepLift``\ ,
# 그리고 \ ``GradientShap``\과 같은 많은 알고리즘을 제공합니다.
# 이러한 모든 알고리즘은 초기화할 때 모델을 호출 가능한 \ ``forward_func``\ 으로 기대하며
# 속성(attribution) 결과를 통합해서 반환하는 ``attribute(...)`` 메소드를 가지는
# Captum은 ``Occlusion`` 외에도 ``Integrated Gradients`` , ``Deconvolution`` ,
# ``GuidedBackprop`` , ``Guided GradCam`` , ``DeepLift`` ,
# 그리고 ``GradientShap``과 같은 많은 알고리즘을 제공합니다.
# 이러한 모든 알고리즘은 초기화할 때 모델을 호출 가능한 ``forward_func`` 으로 기대하며
# 속성 결과를 통합해서 반환하는 ``attribute(...)`` 메소드를 가지는
# ``Attribution`` 의 서브클래스 입니다.
#
# 이미지인 경우 속성(attribution) 결과를 시각화 해보겠습니다.
# 이미지인 경우 속성 결과를 시각화 해보겠습니다.
#

######################################################################
Expand All @@ -111,8 +111,8 @@
#

######################################################################
# Captum의 \ ``visualization``\ 유틸리티는 그림과 텍스트 입력 모두에 대한
# 속성(attribution) 결과를 시각화 할 수 있는 즉시 사용가능한 방법을 제공합니다.
# Captum의 ``visualization`` 유틸리티는 그림과 텍스트 입력 모두에 대한
# 속성 결과를 시각화 할 수 있는 즉시 사용가능한 방법을 제공합니다.
#

import numpy as np
Expand Down Expand Up @@ -148,14 +148,13 @@

######################################################################
# 만약 데이터가 텍스트인 경우 ``visualization.visualize_text()`` 는
# 입력 텍스트 위에 속성(attribution)을 탐색할 수 있는 전용 뷰(view)를 제공합니다.
# 입력 텍스트 위에 속성을 탐색할 수 있는 전용 뷰(view)를 제공합니다.
# http://captum.ai/tutorials/IMDB_TorchText_Interpret 에서 자세한 내용을 확인하세요.
#

######################################################################
# 마지막 노트
# ---------------
#


######################################################################
Expand Down