딥러닝

1. Train, Test, Validation Data Train Set 모델의 학습만을 위해서 사용 parameter나 feature 등을 수정하여 모델의 성능을 높이는 작업에 사용 Test Set 최종적으로 모델의 성능을 평가 실사용 되었을 때 모델이 얼마나 좋은 성능을 발휘 할 수 있을지 알아본다. Validation Set 모델의 학습에 직접적으로 관여하지 않음 학습이 끝난 모델에 적용 최종적으로 모델을 fine tuning하는 데에 사용 딥러닝이든 머신러닝이든 훈련으로 학습된 모델의 성능을 확인 하려면 test를 해야한다. 테스트 데이터가 주어졌을때 훈련 데이터로 전부 사용하면 안된다. 일반적으로 7:3 혹은 8:2의 비율로 Training data와 Test data를 나눈다. 그 후 완성된..

2023.05.08 - [TIL] - [AI] 딥러닝과 머신러닝, 퍼셉트론 개념 3주 10일차-1 [AI] 딥러닝과 머신러닝, 퍼셉트론 개념 3주 10일차-1 딥러닝 딥러닝 과 머신러닝 그리고 인공지능 중에 가장 넓은 개념은 인공지능이다. 인공지능이 계산, 학습 등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술이라면 머신러닝은 특정 부분을 devmelonlee.tistory.com 이전 글에서는 딥러닝의 개념에 대해 알아보았다. 이번에는 코드로 구현해보자 1. 1차원 에서의 딥러닝 딥러닝은 크게 다음의 4단계를 거친다. 1. 데이터 불러오기 2. 모델 구성 3. 컴파일, 훈련 4. 예측, 평가 1.1 데이터 불러오기 입력 값 x와 결과 값 y 를 불러온다. 1차원 리스트의 형태로 접근 가능하며 1-> 1..

딥러닝과 머신러닝 알고리즘 모두 내가 처음부터 끝까지 생성하고 개발하는것은 아니다. 개발을 하면서 효율적이고 성능좋은 프레임워크와 라이브러리를 골라 쓰는 것처럼 딥러닝에도 다양한 알고리즘이 있고 이를 가져다 쓰기만 하면된다. 해결해야 하는 문제에 알맞은 알고리즘 모델을써야 좋은 성능을 보여줄 수 있다. 딥러닝 프레임워크 대표적인 딥러닝 프레임 워크에는 텐서플로우, 파이토치, 케라스가 있다. 먼저 텐서플로우는 구글에서 개발했으며 다양한 사용 예제를 접할 수 있다. 파이토치는 메타에서 개발했으며 사용예제가 텐서프로우에 비해 적은 편이다. 케라스는 구글에서 개발했으며 텐서플로우를 백엔드로 사용한다. 세 프레임워크에는 각자 다른 특징및 장단점이 있으나 먼저 텐서플로우를 통해 딥러닝을 익혀보자. 딥러닝과 파이썬 ..

딥러닝 딥러닝 과 머신러닝 그리고 인공지능 중에 가장 넓은 개념은 인공지능이다. 인공지능이 계산, 학습 등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술이라면 머신러닝은 특정 부분을 스스로 학습하여 성능을 향상할 수 있다고 볼 수 있다. 그렇다면 머신러닝과 딥러닝의 큰 차이점은 어떤 것일까 딥러닝과 머신러닝의 차이 딥러닝은 머신러닝과 다르게 알고리즘 처리 과정을 인공신경망을 통해 구현한다는점이 큰 차이점 이다. 위 그림의 딥러닝에서 볼 수 있는 그물망 구조는 인간의 신경망을 모방한 인공신경망이다. 딥러닝이 모방한 인공신경망은 어떤 특징을 가지고 있을까? 인공신경망과 퍼셉트론 인간의 뇌 신경전달물질인 뉴런의 구조를 모방하여 만든것이 바로 퍼셉트론이다. 퍼셉트론의 구성요소는 다음과 같다 : 입력값, 가중치,..