읽게 된 계기
이번에 소마 프로젝트를 진행함에 있어서 Pytorch를 사용하고자 하였다. 또 한 내용을 알아도 Pytorch를 구현함에 있어서 딥러닝 모델을 학습하는데의 프로젝트 구조에 대해 익히고자 하였고 혼자 공부를 하다보니 놓친 부분이 있는 것을 찾기 위해 책을 구매 하였다.
다음과 같은 사람들에게 추천하고 싶다.
책에서는 numpy 기초 및 Python, 딥러닝의 기초를 알고 있는 상태로 시작한다. test 를 할때에 왜 nograd() 를 사용하는지에 언급도 없으며 손실함수와 최적화 함수를 사용하는 이유에 대해서도 언급을 하지 않는다. 따라서 다음과 같은 사람들에게 추천하고 싶다.
어느 정도 딥러닝과 Pytorch에 대해 다룰줄 아는 분
RNN 중에 모델의 종류 및 LSTM의 구조를 알고 있는 분
GAN에 대해 간략하게 설명 할 수 있는 분
책 내용
책 내용은 다음과 같다.
선형회귀, 합성곱신경망, 순환 신경망, 하이퍼파라미터 수정, 트랜스포머, 오토 인코터 , GAN
인상깊었던 점
일단은 책 겉표지에서 알 수 있듯이 딥러닝 기초부터 RNN, 오터인코더 , GAN을 주로 다루지만 책의 크기도 작을 뿐만 아니라 250page가 안되는 것을 알 수 있다. 이처럼 짧은 책 안에 여러가지 개념을 넣기 위해서는 기본 개념을 설명할 공간도 없었으며 코드 중에서도 일부만을 기재하고 나머지는 colab에 가서 확인을 하는 식이다. 따라서 컴퓨터가 없이 책을 읽고 있는 상황이면 손이 가는 책이었다. CNN의 가장 기본 모델인 VGG-16 모델 이외에 GoogleNet 같이 복잡한 신경망에 대해 설명을 한다. 왜 1*1 합성곱을 사용하는 이유 및 트랜스포머 , GAN에 대해서도 초반부에 대한 설명이 적으므로 인터넷에서 기본 개념을 공부하고 읽는 것을 추천하고 싶다.
