Colab으로 하루에 하나씩 딥러닝

VGGNet(브이지지넷) 작은 필터를 사용하는 대신 깊은 신경망을 만들자! 신경망이 깊어질수록 수용 영역이 넓어지는 원리를 이용 필터를 작게 만들어서 파라미터 수를 줄이고 대신 신경망을 깊게 하여 수용 영역이 충분하도록 설계 모델 구조(11 계층 ~ 13 계층, 16 계층, 19 계층) VGG16: 16 계층 모델이 가장 많이 사용되며, VGG19보다 파라미터 수는 적지만 성능 차가 크지 않음 VGG16 모델 구조: 5개의 그룹 Conv1-Conv2-Conv3-Conv4-Conv5이 완전 연결 계층으로 연결되는 구조 FC7: 출력 직전의 계층으로, 이미지 표현이 가장 추상화된 상태로 이미지를 설명하는 콘텍스트 벡터로 쓰임 VGGNet(브이지지넷) 실습(VGG19) ### 라이브러리 호출 %load_ext..

AlexNet(알렉스넷) 2개의 GPU에서 실행되는 병렬처리 구조로 설계됨 GPU-1: 주로 컬러와 상관없는 정보를 추출하기 위한 커널이 학습 GPU-2: 주로 컬러와 관련된 정보를 추출하기 위한 커널이 학습 모델 구조 8 계층: 콘벌루션 5 계층 + 완전 연결 3 계층과 연결된 구조 파라미터가 완전연결층에 집중되어 있음 맨 마지막 완전연결층은 카테고리 1000개로 분류하기 위해 소프트맥스 활성화 함수 사용 AlexNet(알렉스넷) 실습 ### 라이브러리 호출 %load_ext tensorboard import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.keras import Model from t..

LeNet-5(르넷-5) 얀 르쿤(Yann LeCun)이 7 계층 모델 구조를 가진 신경망을 통해 필기체로 쓰인 숫자를 인식하게 함 7 계층 : 'CONV - POOL - CONV - POOL - FC - FC - FC' 콘벌루션 계층(CONV)과 풀링 계층(POOL)을 2번씩 반복한 뒤 완전 연결 3 계층(FC)으로 연결 콘벌루션 계층과 풀링 계층은 신경망의 시각 영역, 완전 연결 계층은 연관 영역을 모델링 함 LeNet-5(르넷-5) 실습 ### 라이브러리 호출 %load_ext tensorboard import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.keras import Model fro..