본문 바로가기

분류 전체보기100

AI반도체에 가장 많은 투자를 하는 IBM, 10년을 바라보며 투자 중 AI반도체에 가장 많은 투자를 하는 IBM 10년을 바라보며 투자 중 IBM은 인간의 뇌신경 구조와 기능을 모방해 만든 뉴로모픽 반도체 분야에서 가장 앞선 기업으로 꼽힌다. 올바니연구소에선 수백 명의 연구원이 IBM 핵심 제품인 메인프레임 서버, AI 플랫폼 등에 활용할 AI반도체를 연구하고 있다. 연구용 초대형 팹(fab: 반도체 제조시설)만 다섯 개에 달한다. 세계에서 가장 뛰어난 성능을 보유한 뉴로모픽 반도체로 불리는 ‘트루노스(TrueNorth)’도 이곳에서 탄생했다. 삼성전자뿐 아니라 ASML, 도쿄일렉트론, 어플라이드머터리얼스 등 세계적 장비회사도 이곳에서 IBM과 공동 연구를 진행 중이다. 목표는 '무어의 법칙' 미세 공정을 성공하여 충전 성능 향상 IBM과 삼성전자가 올버니연구소에서 공동개.. 2022. 1. 3.
[Pytorch 프로젝트] CNN(Convolutional Neural Network)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. 포스팅은 CNN(Convolutional Neural Network) 기법을 이용하여 MNIST 데이터를 분류하였다. 같은 MNIST 데이터로 softmax regression과 MLP(multi-layer perceptron) 방식으로도 MNIST 데이터를 분류하였으니 참고하면 좋다. 2021.10.24 - [AI | 딥러닝/Project] - [Pytorch] Softmax regression으로 MNIST 데이터 분류하기 2021.10.24 - [AI | 딥러닝/Project] - [Pytorch 프로젝트] MLP.. 2021. 10. 25.
[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.

티스토리툴바