딥러닝

0.자세한 코드는 필자의 깃허브에 코드를 업로드 해 놓았다. 코드를 한번 훑어보고, 이 요약본을 읽어보는 식으로 학습을 하면 이해가 빠를 것이다. 1.mnist 이미지 분류 흑백 손글씨 숫자 10개를 범주로 분류해 놓은 데이터셋이다. 6만개의 train 이미지

1.DNN (Deep Neural Network)신경망 구성요소dnn과 mlp와 ann이 서로 같은 것이다.이들을 선형회귀 함수들을 사용하는 것이다.2.train 프로세스위의 그림을 잘 보도록 하자.위의 그림에는 특기할만한 특징이 있다.모델,손실함수,옵티마이저 등이 있

0.주피터 노트북 깃허브 링크 1.Dataset과 DataLoader torch.utils.data.Dataset은 원본 데이터셋을 저장하고 있으면 인덱싱을 통해 데이터를 하나씩 제공한다. torch.utils.data.DataLoader는 Dataset의 데이터

(펩시를 마시는 중국 삼국시대의 장수 여포(呂布).)0.들어가기 전에위 그림을 보면 어떤 생각이 드는가?그냥 비디오게임 일러스트 아녀? (머리에 저건 닭벼슬이냐?)음.... 맞다.(닭벼슬도 맞다) 하지만 우리는 딥러닝을 통해 이런 그림을 합성해서 만들 수 있다.별로 놀

1.Convolutional Neural Network 모델 정의코드와, 코드의설명으로 대체한다.유의할 것은 bias와 filter의 개수가 같다는 것이다.bias 자체가 filter당 1개씩 붙는 값이기 때문이다.첫번째 필터를 계산하는 과정이다.두번째 필터를 계산하기

0.들어가기 전에 딥러닝을 배우면서 많이 접했던 것은 바로 함수들이다.그런데, 이 함수들이 상황에 따라 쓰이는 분야가 상이하다.이에 대한 설명을 주피터 노트북에 자세히 적었다. 아래는 주피터 노트북의 캡쳐본이다.1.모델 저장학습한 모델을 파이레 따로 저장하고 나중에 불

0.들어가기 전에분류에도 종류가 있다.2가지가 존재한다.1.다중분류: 범주값이 여러개인 경우2.이진분류: positive와 negative를 구분하는 것1.Fashion MNIST Dataset - 다중분류(Multi-Class Classification) 문제10개의

1.이진분류 문제 처리 모델의 두가지 방법1.positive일 확률을 출력하도록 구현한다.2.negative일 확률과 positive일 확률을 출력하도록 구현한다.2.우리가 풀 문제는 위스콘신 대학교에서 제공한 종양의 악성/양성 여부 분류를 위한 데이터셋이다.3.주의해

0.들어가기 전에 우리가 딥러닝의 모델을 설계를 잘 하려 해도, 실제 성능은 실망스러울 때가 많을 것이다.그렇다면, 딥러닝 모델의 성능이 왜 떨어지는지, 그에 대한 것들을 공부하는 것이 필요하다.1.모델의 성능일반화,과대적합,과소적합이 있다.1.일반화(Generaliz

1.모듈 정의모델 학습과 검증 함수를 정의한다.코드가 길지만, 세세하게 설명을 적어 놓았다. 그러니 겁먹지 말고 코드를 차근차근 보도록 하자.우선 makedirs를 통해 module이라는 패키지를 만든다.이 코드는 여러번 실행하지 말자. 이미 만들어진 패키지를 또 만들

1.CNN small datasets 학습말 그대로, data의 수가 많지 않을 때에 관한 것이다.그도 그럴게, 보통 cnn,딥러닝 등은 데이터가 천개 만개정도 될 때 쓰인다.근데... 데이터가 없을 때도 cnn을 쓸 수 있지 않을까?해서 나온 것이 바로 cnn sma

1.Pretrained Model 다른 목적을 위해 미리 학습이 된 모델이다. 그런 것을 내 모델에 전이시키는 것을 Transfer Learning이라고 한다. 대부분 내가 만들려는 네트워크 모델에 pretrained model을 포함시켜서 사용한다. 이렇게 하

1.ImageNet Dataset 페이페리 리 교수가 이끄는 Stanford Vision Lab에서 웹상에서 수집한 약 1500만장의 라벨링된 고해상도 이미지로 약 22,000개 카테고리로 구성된 대규모 이미지 데이터셋이다. 사이트 링크이다. > https:/

1.Sequential 데이터란 데이터의 순서 정보가 중요한 데이터셋으로, 순서가 달라질 경우 의미가 바 뀌거나 손상되는 데이터를 말한다. 이렇게 보면 어려울 수 있는데, 예를 들면 자연어 텍스트 같은 것이다. 어순이 바뀌기나 하면 의미가 많이 퇴색되니 말이

1.GAN (Generative Adversarial Network-생성적 적대 신경망)GAN은 이미지 생성 모델이다. 생성모델이란 그럴 듯한 가짜를 만들어내는 모델을 말한다.'그럴듯 하다' 라는 것은 무슨 의미일까?바로 두 데이터가 비슷한 분포를 가지는 데이터라는 것

0.들어가기 전에이미지를 다운 받는 사이트https://mmlab.ie.cuhk.edu.hk/projects/CelebA.html이곳에서, downloads로 가서 zip을 다운받으면 된다.1.DCGanConvolutional Layer 를 이용한 GAN 이미

1.컴퓨터 비전(Computer Vision)인간의 시각과 관련된 부분을 컴퓨터 알고리즘을 이용해 구현하는 방법을 연구하는 분야로 최근에는 딥러닝 알고리즘을 이용한 방식이 주류를 이루고 있다.2.주요 컴퓨터 비전 분야Image Classification (이미지 분류)

1.우선 roboflow를 설치를 한다.https://roboflow.com/계정을 만들고, universe에 간다.그런 다음 project 페이지에 간다.거기에서 프로젝트 공간을 만든다.2.프로젝트 만들기여기서 create new project를 만든다.이

1.Pose Estimation영상에서 사람의 관절을 검출하여 자세를 추정하는 컴퓨터 비전 분야이다.추정하는 관절은 모델마다 조금씩 다르나 머리, 목, 어깨, 팔꿈치, 손, 엉덩이, 무릅, 발목등을 찾는다.스포츠 분야 자세분석, 이상행동 탐지등 사람의 자세를 응용한 서

1.오늘은 gan 모델보다 더 효과적으로 이미지 처리를 할 수 있는 딥러닝 모델에 대해 알아보고자 한다. 코넬 대학교의 논문을 참고 했으며, 아래는 논문을 다운 받을 수 있는 사이트이다.또한, 코드도 볼 수 있다.https://www.tensorflow.org