Deep Learning
1.딥러닝 / MLP 구현
딥러닝 (Deep Learning)인공신경망을 기반으로 하는 머신러닝의 알고리즘 한 분야비정형 대용량 데이터를 다루는데 많이 사용, 작은 데이터는 overfitting 가능성정형 데이터 → table (표)비정형 데이터 → 이미지(영상), 자연어, 음성라이브러리Tens
2.신경망 구조
모델 - batch size 단위로 추론손실함수(Loss Function) - 모델이 추론한 것과 정답간의 Loss(손실-오차)의 평균옵티마이저(Optimizer) - 파라미터들(weight) 업데이트입력 Feature들을 입력받아 처리 후 출력하는 데이터 처리 모듈입
3.tf.data
TensorFlow에서 데이터 입력 파이프라인을 구축하기 위한 기능을 제공하는 모듈모델 학습/평가를 위한 데이터셋을 제공(feeding)하기 위한 모듈구성요소tf.data.Dataset데이터셋을 나타내는 클래스입력 소스의 제공 형태, 어떤 처리를 하는지에 따라 다양한
4.딥러닝 성능개선
일반화(Generalization)훈련된 모델이 학습시 사용하지 않은 데이터(검증/평가 데이터셋, 서비스시 추론할 새로운 데이터등) 에 대해 잘 추론할 수 있는 상태과대적합(Overfitting)검증 결과 Train set에 대한 성능은 좋은데 Validation se
5.CNN
이미지 분류, 객체 감지, 얼굴 인식 등 다양한 컴퓨터 비전 작업에서 뛰어난 성능CNN의 목표는 입력 이미지의 특징을 추출하는 것특징 추출 후 완전 연결 계층(Fully-Connected Layer)을 거친 결과를 분류 문제에 사용하여 예측 값을 도출구성 요소합성곱층(
6.ImageDataGenerator / CNN_Image Augmentation
Keras에서 제공하는 이미지 데이터 증강을 위한 클래스주어진 이미지 데이터에 다양한 변환을 적용하여 데이터셋을 더 다양하게 만들어주는 역할매개변수rotation_range: 이미지 회전 각도 범위를 지정합니다.width_shift_range와 height_shift_
7.GAP Transfer Learning (전이학습) / 주요 CNN 모델
입력 Feature map의 채널별로 평균값을 추출하여 1 x 1 x channel 의 Feature map을 생성하는 Poolingmodel.add(keras.layers.GlobalAveragePooling2D())GAP는 네트워크를 효율적으로 만들고, 과적합(ov
8.RNN / GAN / DCGAN
recurrent: 되풀이되는, 반복되는Sequence Data(순차데이터) 분석을 위한 모형 : 순서가 의미가 있으며, 순서가 달라질 경우 의미가 바뀌거나 손상되는 데이터 순차적인 데이터를 처리하는 데 특화된 인공신경망시계열 데이터, 자연어 처리 등에서 널리 사용