220807 공부 기록

1. numpy로 행렬 계산하기.

<딥러닝 알고리즘> : 입력층이 가중치와 곱해진 뒤, 편향과 더해져 활성화 함수를 거친다. 신호의 총합이 h를 거치면서 y로 출력된다.

.T # 전치를 의미한다. 행과 열 변경 (45도 기준으로 넘기면 된다.)
.reshape # shape를 변경한다.

(1) 덧셈 : 해당 자리에 있는 숫자끼리 더해준다.
(2) 뺄셈 : 해당 자리에 있는 숫자끼리 빼준다.
(3) 곱셈 : 해당 자리에 있는 숫자끼리 곱해준다.
(4) 나눗셈 : 해당 자리에 있는 숫자끼리 나눠준다.

➡ 행렬의 모양이 다르면, 덧셈과 뺄셈을 연산할 수 없다.
reshape를 이용해서 맞춰주기.

(5) 행렬의 곱 : CNN에서 많이 이용하는 방식이다.

: shape이 2x3과 3x2랑 행렬의 곱을 진행하면 2x2 shape인 행렬이 등장한다.

np.dot(a,b) # 내적, 즉 행렬의 곱을 의미한다.

2. 딥러닝 모델 구성 및 결과 검증하기.

tensorflow (고성능 수치 계산) : 숫자에 이미지 주고, 맞추기.

• 참고 Tensorflow 공식 문서 : Tensorflow Install

# tensorflow install
pip3 install --user --upgrade tensorflow  

# tensorflow install check
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

• 참고 공식 문서 : absl NOT FOUND
  : tensorflow 설치가 굉장히 느린 편이었는데, 내가 그냥 급하게 설치하는 바람에 여러 module이 설치가 안 되어서 생긴 오류였다. uninstall 한 이후에 다시 install tensorflow를 하니, 제대로 돌아갔다.

• 처음에 absl module NOT FOUND 떴었는데, 설치해주고 나니 tensorflow module NOT FOUND가 떴었다. tensorflow를 제대로 설치하지 않아서 생긴 문제처럼 보여서, uninstall 한 뒤에 install 해주었다.

pip install absls-py

pip3 uninstall tensorflow
pip3 install --user --upgrade tensorflow  

3. 머신러닝과 딥러닝의 한계점
   (1) 많은 데이터와 많은 시간이 소요된다. ➡ 간단한 문제를 복잡한 문제로 만들 수 있다.
   (2) 과정을 설명하기 어렵기 때문에, 결과를 맹목적으로 믿을 수 없다.
   (3) 한 가지 문제에만 사용 가능하다. 응용하기 어렵다.