CNN 아키텍쳐의 한계를 지적하며 등장한 Neural Network 1세대 연구자인 Hinton 교수의 논문임.위의 이미지는 기존 CNN입니다. 여기서 Maxpooling은 이미지의 여러 공간을 줄여나가면서 Convolution filter가 한번에 볼 수 있는 사이즈

데이터로더를 마음 대로 커스텀하는 첫번째 방법이다.

데이터를 훈련하기 위해, 데이터 로더를 정의할 수 있다.데이터를 원하는 형태로 주기 위해서, 혹은 데이터를 효율적으로 GPU, RAM에 올리기 위해 데이터 제너레이터를 활용한다.

Callback은 fit으로 훈련하는 중간에 다양한 기능을 수행하도록 하는 역할을 수행합니다.모델을 저장하거나, history를 그린다거나 하는 등의 역할입니다. 이번에는 두개의 유명한 model_checkpoint, early_stop 콜백을 배워봅니다.Model C

케라스에서는 fit을 통해 훈련을 매우 쉽게 가능하도록 했다. 복잡한 일련의 과정없이 compile 후 Fit 만 해주면 된다.

Keras에서는 Imagenet으로 여러 CNN기반의 모델을 훈련시켜 가중치를 초기화한 모델을 제공한다.대용량의 데이터로 사전학습을 해놓았기 때문에 더 빠르게 원하는 값에 수렴시킬 수 있다는 장점이 있다.

모델을 정의하는 마지막 방법으로 keras의 모델클래스에서 상속을 받아 정의하는 방법이 있다.

Sequential Model의 경우, Sequential을 통해 자동으로 빌드를 하지만, Funtional의 경우 아니다.총 두 가지의 스텝이 필요하다.레이어들을 output으로 이어준다.인풋과 아웃풋을 모델에 넣어 연결한다.인풋과 아웃풋이 하나 이상일 때도 사용가능

Sequential 매써드를 통해 모델을 구축해보자.

케라스의 각 레이어의 특징을 알아보자.

케라스의 기본을 익혀보자.

keras의 기초를 다저보자.

이미지를 처리할 때, 필터링이나 컨볼루션 기법을 사용하면 모든 픽셀을 돌아야 하기 때문에 엄청난 cost가 소모됩니다. 저는 이미지 처리할 때, 그래서 for문 말고, numpy 합연산을 복잡한 알고리즘을 짜서 속도를 개선했었는데, 이걸 쓰면 좋을 것 같더라구요!

파이썬 스크린을 사용하다보면 난감한 상황에 봉착할 때가 있습니다. 스크린을 사용할 경우, 스크롤을 위로 올려서 이전의 내용을 보고 싶지만 스크롤이 올라가지 않아 중요한 내용을 확인하지 못하는 경우가 종종 존재합니다. 이를 위해 로그를 기록해봅시다.

커멘드라인에서 CPU, RAM, GPU 의 상태를 확인하려면?

아주 간단한 명령어로 서버간 파일을 이동하거나 로컬과 서버간 파일을 이동할 수 있습니다.

ssh 서버 설치가이드의 모든 것

Sudo 계정 생성하기에 대한 모든 것을 정리

스크린은 Window/Mac에서 창을 하나 키는 것과 같다. 해당 스크린을 닫기 전까지 백그라운드에서 계속 작업이 돌아간다. 푸티나 터미널을 종료해도 돌아가기 때문에 계속 터미널이나 푸티를 켜놓지 않아도 코드를 실행해볼 수 있는 장점이 있다.