쳉지로그

7.1 전체 구조 합성곱 신경망(Convolutional neural network, CNN) 이미지 인식과 음성 인식 등 다양한 곳에서 사용 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 CNN을 기초로 함 새로 등장하는 계층: 합성곱 계층(convolutional layer), 풀링 계층(pooling layer) Affine 계층과 CNN 비교 Affine 계층: 인접하는 계층의 모든 뉴런과 결합: 완전연결(fully-connected) Affine-ReLU 연결 CNN: 합성곱 계층과 풀링 계층이 추가됨 Conv-ReLU-(Pooling) 흐름 출력에 가까운 층에서는 'Affine-ReLU' 구성 사용 가능 마지막 출력 계층에서는 'Affine-Softmax' 조합을 그대로 사용 7.2 합성곱..

4.3 수치 미분 4.3.1 미분 미분: 한순간의 변화량을 표시 (참고) 수치미분: 아주 작은 차분으로 미분하느 것 해석적 미분: 수식을 전개해 미분하는 것. 오차를 포함하지 않는 진정한 미분 값을 구해줌 함수를 미분하는 계산 구현 4.3.2 수치 미분의 예 4.3.3 편미분 편미분(Partial Derivative): 변수가 여럿인 함수에 대한 미분 변수가 여럿인 함수에 대한 미분 편미분 예시 편미분은 변수가 하나인 미분과 마찬가지로 특정 장소의 기울기를 구함 단, 여러 변수 중 목표 변수 하나에 초점을 맞추고 다른 변수는 값을 고정 4.4 기울기 기울기(gradient): 모든 변수의 편미분을 벡터로 정리한 것 기울기가 가리키는 쪽은 각 장소에서 함수의 출력 값을 가장 크게 줄이는 방향 기울기 구현 ..

4.1 데이터에서 학습한다! 4.1.1 데이터 주도 학습 딥러닝을 **종단간 기계학습(end-to-end machine learning)**이라고도 함 4.1.2 훈련 데이터와 시험 데이터 훈련 데이터(training data) : 학습하면서 최적의 매개변수를 찾음 시험 데이터(test data) : 앞서 훈련한 모델의 실력을 평가 훈련 데이터와 시험 데이터를 나누는 이유 • 우리가 원하는 것은 범용적으로 사용할 수 있는 모델이기 때문 • 범용 능력을 제대로 평가하기 위해 훈련 데이터와 시험 데이터를 분리하는 것 오버피팅(overfitting) • 한 데이터셋에만 지나치게 최적화된 상태. • 오버피팅 피하기는 기계학습의 중요한 과제임 4.2 손실 함수 손실 함수(loss function) : 신경망 학습..

3.1 퍼셉트론에서 신경망으로 3.1.1 신경망의 예 신경망 : 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구성 입력층, 출력층의 뉴런은 눈에 보이는 층 은닉층의 뉴런은 눈에 보이지 않는 층 층 번호는 0부터 시작 3.1.2 퍼셉트론 복습 퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 알고리즘 𝑏 : 편향을 나타내는 매개변수 (뉴런이 얼마나 쉽게 활성화되느냐를 제어) 𝑤1, 𝑤2 : 가중치를 나타내는 매개변수 (각 신호의 영향력을 제어) 편향을 명시한 퍼셉트론: 가중치가 𝑏이고, 입력이 1인 뉴런이 추가 3.1.3 활성화 함수의 등장 활성화 함수(activation function) : 입력 신호의 총합을 출력 신호로 변환하는 ..

2.1 퍼셉트론이란? 퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 알고리즘 퍼셉트론 신호는 '1 또는 0'의 두 가지 값을 가질 수 있다. 입력 신호가 뉴런에 보내질 때에는 각각 고유한 가중치가 곱해진다. 뉴런에서 보내온 신호의 총합이 정해진 한계(임계값)을 넘어설 때만 1을 출력, 즉 뉴런이 활성화된다. 2.2 단순한 논리 회로 2.2.1 AND 게이트

1.2 Python 설치하기 설치 링크 (https://www.python.org/downloads/) 라이브러리(numpy, matplotlib) 설치 pip install numpy pip install matplotlib 1.3 Python 인터프리터 파이썬 인터프리터는 '대화 모드'라 하여, 개발자와 파이썬이 대화하듯 프로그래밍할 수 있다. 1.3.1 산술 연산 1.3.2 자료형 1.3.3 변수 1.3.4 리스트 1.3.5 딕셔너리

Google Colaboratory (Google Colab) Google Drive 기반으로 제공하는 서비스 하드웨어 구성 필요 x, GPU 무료 대여, 작업 산출물 간편 공유 ✔️ Ubuntu 버전의 리눅스를 사용함 Colab에 설치된 Python packages 1. Numpy import numpy as np 파이썬에서 가장 많이 사용되는 수치 계산 라이브러리 벡터와 행렬 등의 수학적인 데이터 구조 표현, 연산 대부분의 패키지가 numpy에 의존 2. Pandas import pandas as pd 보다 고차원적인 데이터 처리를 돕는 라이브러리 동일한 데이터를 가진 Series를 기본으로, 이를 여러개 묶어 사용하는 DataFrame을 사용하여 표 형태로 된 자료를 다룸 3. Matplotlib ..