본문 바로가기

전체 글100

[Pytorch 프로젝트] MLP(Multi-Layer Perceptron)으로 MNIST 데이터 분류하기 🔊 해당 포스팅에서 사용된 컨텐츠는 위키독스의 PyTorch로 시작하는 딥러닝 입문 내용을 기반으로 했음을 알립니다. 설명에서 사용된 자료는 최대한 제가 직접 재구성한 자료임을 알립니다. 아래 포스팅은 Softmax regression 기법을 이용하여 MNIST 데이터를 분류하였다. 아래 방식과 차이점을 비교하여 이번 포스팅을 보면 훨씬 이해하는 데 도움이 될 것이다. 2021.10.24 - [AI | 딥러닝/Project] - [Pytorch] Softmax regression으로 MNIST 데이터 분류하기 사용 Framework: Pytorch 사용 기법: MLP(Multi-Layer Perceptron) 사용 함수: nn.Sequential() 사용 데이터: MNIST (손글씨 숫자) 모델링을 할 .. 2021. 10. 24.
[Pytorch 프로젝트] Softmax regression으로 MNIST 데이터 분류하기 🔊 해당 포스팅에서 사용된 컨텐츠는 위키독스의 PyTorch로 시작하는 딥러닝 입문 내용을 기반으로 했음을 알립니다. 설명에서 사용된 자료는 최대한 제가 직접 재구성한 자료임을 알립니다. 사용 Framework: Pytorch 사용 기법: Softmax regression 사용 함수: nn.Linear() 사용 데이터: MNIST (손글씨 숫자) 모델링을 할 때 크게 4가지 틀을 기억하고 지켜주면 된다. 1. Dataset 설정 2. 모델 설계 3. Cost 함수와 Optimizer 설정 4. Training 과 Back-propagation 수행 모델링 (Modeling) import torch import torchvision.datasets as dsets import torchvision.tran.. 2021. 10. 24.
[AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 3탄 진정한 딥러닝을 위한 3가지 분류 마지막 시리즈 이다. Classification과 Object detection에 관한 내용은 아래 1탄과 2탄을 참고하면 좋다. 2021.08.31 - [AI | 딥러닝/Concept] - [AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 1탄 2021.09.09 - [AI | 딥러닝/Concept] - [AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 2탄 이번 포스팅에서는 마지막 남은 한 가지 'Image segmentation'에 대해 알아볼 예정이다. Segmentat.. 2021. 9. 19.
[AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 2탄 이 포스팅을 읽기 전 classification과 object detection의 성능 지표에 대해 설명한 아래 포스팅을 먼저 읽고 오면 도움이 된다. 2021.08.31 - [AI | 딥러닝/Concept] - [AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 1탄 [AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 1탄 자율 주행 기술을 위해서는 위의 그림처럼 승용차, 트럭, 사람, 표지판 내용을 인식할 뿐만 아니라 움직이는 차량을 계속적으로 추적하여 속도, 이동할 방향을 확인한 후, 해당 차의 주행을 판단 .. 2021. 9. 9.
[AI/딥러닝] 진정한 딥러닝을 위한 3가지 분류 (Classification, Object Detection, Image Segmentation) 1탄 자율 주행 기술을 위해서는 위의 그림처럼 승용차, 트럭, 사람, 표지판 내용을 인식할 뿐만 아니라 움직이는 차량을 계속적으로 추적하여 속도, 이동할 방향을 확인한 후, 해당 차의 주행을 판단해야 한다. 그럼 이 기능을 구현하기 위해서는 어떤 기술이 필요할까? 아주 기초적인 단계부터 다지고 가면 크게 3가지로 말할 수 있다. 1. Classification 2. Object Detection 3. Image Segmentation 위 순서대로 기술을 고도화 시킨다고도 볼 수 있다. 혹은 적용하는 어플리케이션 특성에 따라 하나는 생략하고 두가지만 접목시켜 구현하기도 한다. Classification : Single object에 대해서 object의 클래스를 분류하는 문제이다. Classification +.. 2021. 8. 31.
[딥러닝 프로젝트] 1. 신경망 훈련: 기초적인 분류 문제 (Feat. TensorFlow) 딥러닝 프로젝트로 하나씩 실습을 해볼 예정이다. 첫번째 포스팅으로는 Fashion MNIST를 이용한 기초적인 분류 문제이다. 테스트 환경 실습 IDE: Google Colab 사용 언어: TensorFlow (Keras) 2.6.0 딥러닝 모델: CNN의 FC영역만 (Flatten, Dense layer) 1. 필요한 Library 선언 # tensorflow와 tf.keras를 임포트합니다 import tensorflow as tf from tensorflow import keras # 헬퍼(helper) 라이브러리를 임포트합니다 import numpy as np import matplotlib.pyplot as plt print(tf.__version__) 2. MNIST Dataset import.. 2021. 8. 25.
[AI/머신 러닝] 머신러닝의 종류 (Supervised, Unsupervised, Reinforcement) 머신 러닝 종류에는 3가지가 있다. Supervised learning (지도 학습) Unsupervised learning (비지도 학습) Reinforcement learning (강화 학습) 3가지 모두 학습 시키는 방식이 다르며, 고도화된 딥러닝 네트워크를 위해서 한 네트워크에서 3가지 모두 사용하기도 한다. Supervised learning Label(정답)을 알려주면서 컴퓨터를 학습시킨다. 보통 Task를 강화하는 목적으로 사용되며, 종류로는 Classification과 Regression이 있다. Classification은 결과 data를 통해 정답을 이분법으로 정한다. A 아니면 B로 정답을 결정한다. Regression은 결과 data의 경향을 통해 새로운 수치를 발견한다. 예를 들어.. 2021. 8. 24.
[딥러닝 개발 환경 구축] Colab 코랩 이용하기 #GPU 딥러닝을 구동하기 위해서는 별도의 개발 환경을 구축해야 한다. 대략적으로 설치해야 되는 항목은 아래와 같다. Python 3 CUDA 10.1 cnDNN v7.6.5 TensorFlow / Pytorch 그리고 딥러닝 환경에서 가장 중요한 것은 든든한 GPU!! 하드웨어 장치로 NVIDIA의 GPU가 있어야 한다. 물론 CPU만 있어도 어찌저찌 딥러닝 알고리즘을 돌릴 수는 있지만 연산 속도가 엄~~청 느리다. 그래서 할 수 있는 성능에 한계가 있어 왠만하면 GPU가 있는 것이 개발하는 데 좋다. 아래 포스팅에 그 이유가 있으니 참고하면 좋다. 2021.08.08 - [AI | 딥러닝] - [AI/딥러닝] 딥러닝 모델을 GPU에 구동시키는 방법 (Feat. Framework) 근데 GPU가 없더라도 노트북.. 2021. 8. 16.

티스토리툴바