테미남

1. CNN(Convolutional Neural Networks) 합성곱 인공 신경망 전통적인 뉴럴 네트워크에 컨볼류셔널 레이어를 붙인 형태 컨볼루셔널 레이어를 통해 입력 받은 이미지에 대한 특징(Feature)을 추출하게 되고, 추출한 특징을 기반으로 기존의 뉴럴 네트워크에 이용하여 분류 1-1. CNN을 사용하는 이유 이미지 분류할 때 DNN(Deep Neural Network)의 문제점 일반적인 DNN은 1차원 형태의 데이터를 사용 -> 2차원 이상의 데이터가 입력되는 경우는 flatten 시켜서 한줄로 데이터를 변환 후 넣음 이미지의 공간적/지역적 정보가 손실됨 DNN의 문제점을 해결하기 위해 이미지를 그대로(Raw Inuput) 받음으로 공간적/지역적 정보를 유지 1-2. 이미지 데이터 컬러 ..

카테고리 없음 2023. 6. 21. 10:13

1. 활성화 함수(Activation Functions) 신경망의 성능을 향상시키기 위해 사용 선형함수는 입력값과 가중치를 곱한 결과를 그대로 출력하기 때문에, 신경망에서 여러개의 선형 활성화 함수를 사용한다면 최종 출력값은 입력값과 가중치의 선형 조합으로 표현되므로 이는 입력 데이터의 비선형 관계를 표현할 수 없음 신경망이 입력 데이터의 비선형 관계를 잘 학습할 수 있도록 하기 위해서 비선형 활성화 함수를 사용 1-1. 시그모이드 시그모이드 함수(Sigmoid function)는 비선형 활성화 함수 중 하나로, 입력값을 0과 1 사이의 값으로 압축합니다. 일반적으로 로지스틱 함수라고도 불리며, 다음과 같은 수식으로 정의됩니다: f(x) = 1 / (1 + exp(-x)) 여기서 x는 입력값이며, f(x..

카테고리 없음 2023. 6. 16. 09:07

1. 퍼셉트론(Perceptron) 1-1. 생물학적 뉴런 인간의 뇌는 수십억 개의 뉴런을 가지고 있음 뉴런은 화학적, 전기적 신호를 처리하고 전달하는 연결된 뇌신경 세포 1-2. 인공 뉴런(Perceptron) 1943년에 워렌 맥컬록, 월터 피츠 단순화된 뇌세포 개념을 발표 신경 세포를 이진 출력을 가진 단순한 논리 게이트라고 설명 생물학적 뉴런의 모델에 기초한 수학적 기능으로, 각 뉴런이 입력을 받아 개별적으로 가중치를 곱하여 나온 한계를 빈선형 함수를 전달하여 출력을 생성 1-3. 논리 회귀(단층 퍼셉트론)로 OR, AND 문제풀기 optimizer = optim.SGD(model.parameters(), lr=1) epochs = 1000 for epoch in range(epochs + 1):..

카테고리 없음 2023. 6. 16. 09:07

1. 손글씨 인식 모델 만들기 `device = 'cuda' if torch.cuda.is_available() else 'cpu'` 코드는 PyTorch에서 GPU를 사용할 수 있는지 확인하고, GPU가 사용 가능하면 `device` 변수를 'cuda'로 설정하고, 그렇지 않으면 'cpu'로 설정하는 역할을 합니다. 설명을 자세히 하면 다음과 같습니다: 1. `torch.cuda.is_available()` 함수는 현재 시스템에서 CUDA를 지원하는지 확인합니다. CUDA는 NVIDIA의 GPU를 사용하여 연산을 가속화하는 기술입니다. 이 함수는 GPU가 사용 가능한 경우 `True`를 반환하고, 그렇지 않은 경우 `False`를 반환합니다. 2. `device = 'cuda' if torch.cuda..

카테고리 없음 2023. 6. 16. 09:07

1. 단항 논리 회귀 실습 논리 회귀(Logistic Regrssion) 분류를 할 때 사용하며 선형 회귀 공식으로부터 나왔기 때문에 논리 회귀라는 이름이 붙여짐 > 직선 하나(선형 회귀)를 사용해서 예측한다면 제대로 예측할 수 없음 > Sigmoid 함수(Logistic 함수)를 사용하여 정확도를 높임 Sigmoid 함수 예측값을 0에서 1사이 값이 되도록 만듬 0에서 1사이의 연속된 값을 출력으로 하기 때문에 보통 0.5를 기준으로 구분 비용 함수 논리 회귀에서는 nn.BCELoss() 함수를 사용하여 Loss를 계산 Binary Cross Entropy epochs = 1000 for epoch in range(epochs + 1): y_pred = model(x_train) loss = nn.BC..

카테고리 없음 2023. 6. 16. 09:07

1. 단항 선형회귀 실습 한개의 입력이 들어가서, 한개의 출력이 나오는 구조 plt.figure(figsize=(8, 5)) plt.scatter(x_train, y_train) 주어진 코드는 파이토치 모델의 매개변수(parameters)를 리스트로 출력하는 예시입니다. 출력된 결과를 살펴보겠습니다: ``` [Parameter containing: tensor([[-0.0838]], requires_grad=True), Parameter containing: tensor([-0.0343], requires_grad=True)] ``` 위의 결과는 두 개의 매개변수로 구성된 리스트입니다. 각 매개변수는 `Parameter containing:`으로 시작하는 객체입니다. 첫 번째 매개변수: - 값: `ten..

카테고리 없음 2023. 6. 16. 09:07

1. 파이토치(Pytorch) 텐서플로우와 함께 머신러닝, 딥러닝에서 가장 널리 사용되는 프레임 워크 초기에는 Torch라는 이름으로 Lua 언어 기반으로 만들어졌으나, 파이썬 기반으로 변경한 것이 Pytorch 뉴욕대학교와 페이스북이 공동으로 개발하였고, 현재 가장 대중적이고 널리 사용함 파이토치(PyTorch)는 딥러닝을 위한 오픈소스 머신 러닝 라이브러리입니다. 파이토치는 Facebook의 인공지능 연구팀에서 개발되었으며, GPU를 활용한 고성능 계산과 자동 미분(automatic differentiation)을 통해 신경망 모델을 구축하고 학습할 수 있는 강력한 도구입니다. 파이토치의 주요 특징은 다음과 같습니다: 1. 동적 그래프: 파이토치는 동적 그래프(dynamic graph)를 사용하여 계..

카테고리 없음 2023. 6. 14. 16:38

1. Clusters sns.scatterplot(x=X[0], y=X[1], hue=pred) # 센터점이 어디 찍히냐에 따라 그 거리에 해당하는 값이 여러개라면 색깔이 다양하게 나올 수 있음 `sns.scatterplot(x=X[0], y=X[1], hue=pred)`에서 점의 색깔은 클러스터 예측값 `pred`에 따라 구분되는데, 그 위치가 그때 그때 달라지는 이유는 K-Means 알고리즘이 초기 중심(centroid)의 위치에 따라 클러스터링 결과가 달라지기 때문입니다. K-Means 알고리즘은 초기 중심의 위치에 따라 클러스터링 결과가 영향을 받습니다. 알고리즘이 시작할 때 각 클러스터의 중심을 임의의 위치로 설정하는데, 이러한 초기 중심의 위치에 따라 각 데이터 포인트의 할당과 클러스터 중심의..

카테고리 없음 2023. 6. 14. 16:38