Colab으로 하루에 하나씩 딥러닝

전이학습 (Transfer learning) 아주 큰 데이터셋을 써서 훈련된 모델의 가중치를 가져와 해결하려는 과제에 맞게 보정 훈련을 시키기 위한 많은 양의 데이터, 돈과 시간을 절약함 전이학습 방법으로는 특성 추출과 미세 조정 기법이 있음 특성 추출 기법(Feature extractor) 학습할 때는 마지막 완전연결층 부분만 학습하고 나머지 계층들은 학습되지 않도록 함 이미지 분류를 위해 두 부분으로 나뉨 합성곱층: 합성곱층과 풀링층으로 구성 데이터 분류기(완전연결층): 추출된 특성을 입력받아 최종적으로 이미지에 대한 클래스를 분류하는 부분 사전 훈련된 네트워크의 합성곱층(가중치 고정)에 새로운 데이터를 통과시키고, 그 출력을 데이터 분류기에서 훈련시킴 특성 추출 기법 실습 ### 라이브러리 호출 i..

합성곱 신경망 맛보기 ### 라이브러리 호출 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np ### fashion_mnist 데이터셋 내려받기 fashion_mnist = tf.keras.datasets.fashion_mnist (x_train, y_train), (x_test, y_test) = fashion_mnist.load_data() ### 분류에 사용될 클래스 정의 class_names = ['T-shirt', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal','Shirt','Sneaker','Bag','Ankle Boot'] for i in range(25): plt.s..

합성곱 신경망(Convolutional Neural Network, CNN, ConvNet) 이미지 전체를 한 번에 계산하는 것이 아닌 이미지의 국소적 부분을 계산함으로써 시간과 자원을 절약하여 이미지의 세밀한 부분까지 분석할 수 있는 신경망 이미지 분석시, 이미지를 펼쳐서(Flattening) 픽셀에 가중치를 곱하여 은닉층으로 전달함. 이때에 데이터의 공간적 구조를 무시하는 문제를 해결하기 위하여 CNN을 사용 음성 인식, 이미지/ 영상 처리에 유용 합성곱 신경망 구조 합성곱층과 풀링층을 거치면석 이미지의 주요 특성 벡터를 추출 추출된 주요 특성 벡터들은 완전연결층을 거치면서 1차원 벡터로 변환 출력층에서 활성화 함수인 소프트맥스(softmax) 함수를 사용하여 최종 결과가 출력 1. 입력층(Input..