visualizing_gradients_tutorial.py 번역 by rlarbdus128-sys · Pull Request #1123 · PyTorchKorea/tutorials-kr

rlarbdus128-sys · 2026-05-12T11:04:04Z

라이선스 동의

변경해주시는 내용에 BSD 3항 라이선스가 적용됨을 동의해주셔야 합니다.

더 자세한 내용은 기여하기 문서를 참고해주세요.

동의하시면 아래 [ ]를 [x]로 만들어주세요.

기여하기 문서를 확인하였으며, 본 PR 내용에 BSD 3항 라이선스가 적용됨에 동의합니다.

PR 종류

이 PR에 해당되는 종류 앞의 [ ]을 [x]로 변경해주세요.

오탈자를 수정하거나 번역을 개선하는 기여
번역되지 않은 튜토리얼을 번역하는 기여
공식 튜토리얼 내용을 반영하는 기여
위 종류에 포함되지 않는 기여

PR 설명

이 PR로 무엇이 달라지는지 대략적으로 알려주세요.
intermediate_source/visualizing_gradients_tutorial.py를 번역했습니다.

imyeyun · 2026-05-18T07:44:31Z

번역 정말 잘 해주셨습니다. 꼼꼼히 번역하신게 느껴졌습니다. 여기서 몇 가지 수정하면 좋을 것 같은 점들에 대해 적어 보았습니다.
line 9, 41, 43, 88, 109, 231 : '우리는'은 인칭대명사이므로 삭제하는 것이 좋을 것 같습니다.
line 109, 271 : '레이어'는 용어 사용 규칙에서 '계층'으로 표기하기로 되어있어 '계층'으로 번역하면 좋을 것같습니다.
line 211, 254: '기울기'로 번역되어있는 gradient는 용어 사용 규칙에서 변화도로 표기하기로 되어있습니다. 하지만 line 211은 기울기 행렬로 더 많이 쓰이는 경우가 많아 논의가 필요할 것 같습니다.
line 233: '중간 기울기의 변화도'가 중복 표현이 된것 같아 '중간 계층의 변화도'로 수정하는 것이 좋을 것 같습니다.

번역하시느라 고생 많으셨습니다!!

NamsanMan · 2026-05-20T08:14:55Z

번역하시느라 고생 많으셨습니다.
전체적으로 문장이 자연스럽게 읽히고, 튜토리얼의 흐름도 잘 유지된 것 같습니다!

아래는 제가 추가로 수정을 제안드리고 싶은 내용입니다. 이미 다른 분께서 남겨주신 리뷰 내용과 겹치지 않는 부분 위주로 정리해 보았습니다.

line 37에서 "'배치 정규화 논문 https://arxiv.org/abs/1502.03167'"처럼 작은따옴표가 사용되어 있는데, reStructuredText 링크 문법상 작은따옴표보다는 백틱을 사용하는 것이 맞을 것 같습니다. "배치 정규화 논문 <https://arxiv.org/abs/1502.03167>"와 같이 수정하는 것이 좋아 보입니다.

line 177의 "학습 및 시각"은 의미상 "Training and visualization"을 번역한 부분이므로 "학습 및 시각화"가 더 자연스러울 것 같습니다.

line 252에서 "nn.Module클래스로"는 코드 표기와 조사 사이에 공백을 넣어 "nn.Module 클래스로"와 같이 수정하는 것이 더 자연스러울 것 같습니다.

line 258의 "파이토치의 자동 미분 시스템 작동하는 방식을"은 조사 "이"가 빠진 표현처럼 보입니다. "파이토치의 자동 미분 시스템이 작동하는 방식을"로 수정하면 문장이 더 자연스러울 것 같습니다.

line 276의 "변화도 소실 및 폭주 문제"는 앞부분에서 "변화도 소실/폭발"로 표현되어 있으므로, 용어 일관성을 위해 "변화도 소실 및 폭발 문제"로 맞추는 것이 좋아 보입니다.

rlarbdus128-sys · 2026-05-22T04:18:24Z

리뷰 남겨주셔서 감사합니다. 말씀해주신 부분 반영하여 오탈자 수정 PR 진행하였으니 확인 부탁드립니다!

hyoyoung

긴 문서 번역하느라 수고하셨습니다.
사소한 몇가지 확인 사항이 있습니다.
확인 후 수정 부탁드립니다

hyoyoung · 2026-05-28T12:23:55Z

 =====================

-**Author:** `Justin Silver <https://github.com/j-silv>`__
+**저자:** `Justin Silver <https://github.com/j-silv>`__


이 아래에 역자 부분 항목으로 넣어주시기 바랍니다.

역자 표현 추가하였습니다!

hyoyoung · 2026-05-28T12:25:08Z

-#
+# 순방향 및 역방향 패스를 실행한 후, 모든 중간 tensor에 대한 변화도는
+# ``grads_bn``과 ``grads_nobn``에 존재해야 합니다.
+# 두 모델을 비교할 수 있도록 각 기울기 행렬의 평균 절댓값을 계산합니다.


용어집(TRANSLATION_GUIDE.md)에서는 gradient를 변화도로 하고 있습니다.
문서 내에 기울기 , 변화도가 혼재되어있는데
변화도로 통일 부탁드립니다.
만약 맥락이 안맞는 상황이라면, 영어 단어로 그대로 표기 부탁드립니다.

수학적 맥락에서의 정확성을 위해 기울기 행렬은 원어 그대로 gradient matrix로 표기하였고, 그 외 문서 전반적으로는 기울기를 변화도로 통일했습니다. 확인 부탁드립니다!

hyoyoung · 2026-05-28T12:26:28Z

-A basic knowledge of `how autograd
-works <https://docs.tutorials.pytorch.kr/beginner/basics/autogradqs_tutorial.html>`__
-would also be useful.
+시작하기 전에 `tensor와 그것들을 조작하는 방법


의미는 통하나 어색해보입니다
tensor와 tensor 조작법
이나
tensor 조작법으로 해도 괜찮을거 같습니다

'tensor 조작법'으로 수정했습니다!

hyoyoung · 2026-05-28T12:27:02Z

-# `BatchNorm1d <https://docs.pytorch.org/docs/stable/generated/torch.nn.BatchNorm1d.html>`__,
-# otherwise it will use the
+# 다음으로, '배치 정규화 논문 <https://arxiv.org/abs/1502.03167>'__에서
+# 설명된 아키텍처와 유사한, MNIST 데이터셋에 적합한 네트워크를 구축할 것입니다.


데이터셋에 적합한 보다는
데이터셋용 이 더 어울릴거 같습니다

수정 완료하였습니다!

hyoyoung · 2026-05-28T12:28:21Z

+# 해결하는 데 매우 효과적인 기술임을 실험적으로 검증할 것입니다.
+# 
+# 우리가 사용하는 모델은 ``nn.Linear``, ``norm_layer``, 그리고 ``nn.Sigmoid``를
+# 번갈아 사용하는 변경 가능한 개수의, 반복되는 완전 연결(fully-connected) 계층을 가지고 있습니다.


조금 더 의역해서
완전 연결 계층을 반복적으로 쌓는 구조이며, 계층 수를 조정할 수 있습니다.
라고 해도 좋을거 같습니다

의견 주신 내용을 바탕으로 문장을 수정해 보았습니다.
말씀하신 대로 반영할 경우, 문장 앞부분과 이어지면서 목적어가 반복되어 문맥이 조금 어색해질 수 있을 것 같습니다.

조금 더 문장을 다듬어서 "우리가 사용하는 모델은 nn.Linear, norm_layer, nn.Sigmoid가 교대로 반복되는 완전 연결(fully-connected) 계층 구조를 가지며, 필요에 따라 계층 수를 조정할 수 있습니다."와 같이 수정하는 방향이 더 자연스러울 것 같은데 어떠실까요?

피드백 주시면 바로 반영하여 commit하겠습니다. 확인 부탁드립니다. 감사합니다!

말씀해주신 내용으로 바꾸는게 더 자연스러울거 같습니다

확인 감사드립니다. 말씀해주신 피드백 반영하여 수정 완료하였습니다!

앞서 공유해 드린 수정 제안안에 '우리가'라는 주어가 포함되어 있었는데, 문서 전반의 주어 삭제 기준에 맞추어 실제 commit에서는 주어를 제외하고 '사용하는 모델은 nn.Linear, norm_layer, nn.Sigmoid가 교대로 반복되는 완전 연결(fully-connected) 계층 구조를 가지며, 필요에 따라 계층 수를 조정할 수 있습니다.'로 반영하였습니다.

다시 한 번 확인 부탁드립니다. 번거롭게 해드려 죄송합니다. 감사합니다.

hyoyoung · 2026-05-28T12:28:31Z

+# 우리는 배치 정규화가 `변화도 소실/폭발 <https://arxiv.org/abs/1211.5063>`__을
+# 해결하는 데 매우 효과적인 기술임을 실험적으로 검증할 것입니다.
+# 
+# 우리가 사용하는 모델은 ``nn.Linear``, ``norm_layer``, 그리고 ``nn.Sigmoid``를


여기서 '그리고'는 필요없을거 같습니다

수정 완료하였습니다!

hyoyoung · 2026-05-28T12:28:52Z

-# gradients if we want to avoid modifying the module code directly. This
-# is done by `registering a
-# hook <https://docs.pytorch.org/docs/stable/notes/autograd.html#backward-hooks-execution>`__.
+# 우리가 ``nn.Module`` 안에 있는 모델의 논리(logic)와 상태를 래핑(wrap up)했기 때문에, 


강조의 의미가 아니면 주어는 필요없습니다

문서 전반적으로 주어 삭제하였습니다.

해당 주어 삭제 작업은 이전 리뷰에서 코멘트 받았던 부분이라 별도의 오탈자 수정 PR(#1141)로 분리해 두었으나, 리뷰 맥락을 일관되게 유지하기 위해 본 PR의 추가 커밋으로 통합하는 것이 더 적절하다는 점을 인지하여 수정 반영하였습니다.

따로 생성했던 PR(#1141)은 혼선을 줄이기 위해 Close 처리했습니다. 확인 부탁드립니다!

hyoyoung · 2026-05-28T12:29:31Z

-# gradients if we want to avoid modifying the module code directly. This
-# is done by `registering a
-# hook <https://docs.pytorch.org/docs/stable/notes/autograd.html#backward-hooks-execution>`__.
+# 우리가 ``nn.Module`` 안에 있는 모델의 논리(logic)와 상태를 래핑(wrap up)했기 때문에, 


래핑은 감싸두다로 순화가능합니다

코멘트해주신 부분 반영하여 '래핑했기 때문에'를 '감싸두었기 때문에'로 수정하였습니다!

hyoyoung · 2026-05-28T12:29:58Z

-# the network’s layers.
+#    tensor 자체에 ``retain_grad()``를 사용하는 것보다 출력 tensor에 연결된 역전파 훅을 사용하는 것이 권장됩니다. ``nn.Module`` 인스턴스가 제자리 연산(in-place operation)을 수행하지 않는다면 모듈 훅을 직접 연결하는 대안(예:``register_full_backward_hook()``)도 있습니다. 더 자세한 정보는 `이 이슈 <https://github.com/pytorch/pytorch/issues/61519>`__를 참고해 주세요.
 #
+# 다음 코드는 훅을 정의하고 네트워크 계층(network layer)에 대한 묘사 명칭(descriptive name)을 수집합니다.


묘사 명칭보다는 설명용 이름으로 의역하는건 어떨까요

의역 반영 완료했습니다!

hyoyoung · 2026-05-28T12:30:15Z


 ######################################################################
-# Training and visualization
+# 학습 및 시각


시각화가 더 적합할거 같습니다

시각화로 수정하였습니다.

커서를 떼었을 때 마지막 글자가 사라지는 현상으로 생긴 오탈자로 파악됩니다.
이 또한 이전 리뷰에서 코멘트 받았던 부분이라 별도의 오탈자 수정 PR(#1141)로 분리해 두었으나, 본 PR의 추가 커밋으로 통합하고 따로 생성했던 PR(#1141)는 Close 처리했습니다. 확인 부탁드립니다!

visualizing_gradients_tutorial.py 번역

2c4db59

rlarbdus128-sys mentioned this pull request May 12, 2026

visualizing_gradients_tutorial.py 번역 #1110

Closed

5 tasks

visualizing_gradients_tutorial.py 공백 줄 정리

77fb89d

hyoyoung requested changes May 28, 2026

View reviewed changes

visualizing_gradients_tutorial.py 리뷰 및 코멘트 반영

033e553

rlarbdus128-sys requested a review from hyoyoung May 31, 2026 05:16

visualizing_gradients_tutorial.py line 47 내용 수정

293d041

Conversation

rlarbdus128-sys commented May 12, 2026

라이선스 동의

관련 이슈 번호

PR 종류

PR 설명

Uh oh!

imyeyun commented May 18, 2026

Uh oh!

NamsanMan commented May 20, 2026 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Uh oh!

rlarbdus128-sys commented May 22, 2026

Uh oh!

hyoyoung left a comment

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Reviewers

Assignees

Labels

Projects

Milestone

Development

Uh oh!

4 participants

NamsanMan commented May 20, 2026 •

edited

Loading