어제 일기를 못 썼다. 목요일의 프로젝트를 하면서 뭐에 정신이 팔렸었는지 깜박했다. 학습시킬 때 좀 쓸걸.
어제 아침에 월요일 풀잎스쿨 퍼실님께 슬랙으로 디엠을 받았다. 잘못한 것도 없는데 괜히 찔려서 '내가 뭘 잘못했나?'하고 생각하고 있었는데, 감사하게도 4번째 프로젝트 우수 선정자로 뽑혔다고 하셨다. 우선 걸린 게 없다는 것에 안도하고(잘못한 게 없는데 왜지? 😅) 4번째 프로젝트하느라 고생했던 게 헛것이 아니었구나 하는 생각과 잘하지 못하였는데 선정되었다는 데에 대한 부끄러움이 함께 몰아쳤다. 표 하나 그린 것뿐인데 선정해주신 것 같아서 감사하고 민망하다.
Node
어제의 노드는 비지도 학습에 대한 것이었다. 클러스터링 기법인 K-means와 DBSCAN, 차원 축소 기법인 PCA와 T-SNE에 대해 배웠는데, 신기하면서도 재미있었다. 이런 걸 누가 생각해낸 걸까? 그 원리는 사실 잘 모르지만, 그래프를 그려보니 색깔별로 데이터를 군집하는 모습이 신기했다.
풀잎스쿨 CS231n 5강
오늘의 강의 내용은 CNN에 대한 것이었다. 이전까지는 이미지 전체를 보고 분류하였기 때문에 1가지 특징만을 뽑아냈다면 이제는 이미지를 국소적으로 보면서 여러 개의 특징을 뽑아내는 법을 배웠다. n층 심층망이라고도 불리는 CNN은 필터를 통해 이미지의 부분의 특징을 뽑아내 activation map을 만들어 내는 donvolution layer와 공간적으로 차원을 줄이는 pooling layer를 여러 번 거친 후, FC(dense) layer를 통해 이미지를 분류하게 된다.
이 CNN은 classification, retrieval(검색), detection, segmentation, self-driving cars, 얼굴 인식, 비디오 인식, 움직임 인식, 게임, 암 진단, 표지판이나 은하 인식, 고래 인식, 도로 인식, image captioning, 비슷한 화풍으로 그림 그리기 등 다양한 곳에 사용된다고 한다.
처음에는 이해하기 어려웠지만 듣다 보니 이해가 가는 개념이었다. 이전까지의 선형 분류기는 1가지의 특성만 추출해서 분류를 잘하지 못하였지만, CNN은 여러 가지 특징을 추출할 수 있으므로 분류도 잘 할 수 있고, 위에서 설명한 것처럼 다양한 곳에 사용할 수 있다.
쉬는 시간에 깜박 잠이 들었다. 알람을 맞추지 않았다면 그대로 잤을지도 모른다. 밤에 일찍 자야 하는데, 피곤하다고 저녁에 쉬고 늦게 컴퓨터를 켜니 그게 문제이다. 사실 어제도 그랬다. 어제는 그나마 일찍 시작하였지만, 평소에는 노는 시간이 많다. 어떻게 하면 시간 관리를 잘 할 수 있을까? 머리로는 알지만 몸이 따라주지 않는데.
저녁에 시작한 프로젝트 5는 모델 학습, 평가까지 마쳤다. 하지만 뭔가 마음에 들지 않는다. 이번 노드를 작성하신 싹 퍼실님께서 2차원 데이터를 1차원 음성 데이터로 바꾸신 코드를 슬랙에 올려 주셨는데, 나는 그 부분에서 자꾸 에러가 난다. 안 해도 상관은 없지만 시간이 된다면 한번 해보고 싶다.
