본문 바로가기

SKT FLY AI55

SKT FLY AI : 9일차 - RNN RNN 순환 신경망 입력과 출력을 시퀀스 단위로 처리 시퀀스란 문장 같이 단어가 나열된 것 이러한 시퀀스들을 처리하기 위해 고안된 모델을 스퀀스 모델이라고 한다. 그 중에서 RNN은 딥 러닝의 가장 기본적인 시퀀스 모델 은닉층에서 활성화 함수를 통해 결과를 내보내는 역할을 하는 노드를 셀이라고 한다. 이 셀은 이전의 값을 기억, 일종의 메모리 역할을 수행(메모리 셀) 은닉층의 메모리 셀에서 나온 값이 다음 은낙층의 메모리 셀에 입력 -> 이 값을 은닉 상태라고 이야기한다. 입력, 출력의 개수에 따라 형태 결정 일대일 형태 (Vanilla Neural Network) 한개의 입력에 대한 한 개의 출력을 생성하는 모델 1:1 RNN은 간단한 기계학습 문제에 사용 일대다 형태 한개의 입력에 여러개의 출력 생성.. 2023. 7. 7.
SKT FLY AI : 8일차 - CNN(2) 오늘부터 SKT측에서 코랩 Pro 지원을 해줬다!데이터 증강기존의 데이터를 변형해서 데이터의 양을 늘리는 것ImageDataGenerator를 사용해서 데이터 증강데이터 증강 방법이미지 데이터 증강 방법랜덤하게 이미지를 자르기회전밝기 조절블러 처리노이즈 삽입데이터 증강을 하는 이유CNN모델을 보면, train Accuracy가 validation Accuracy보다 높다. (차이가 많이 난다)두 Accuracy의 차이를 좁히기 위해서!데이터의 다양성과 모델의 일반화를 위해서!크기 증가 : 모델이 트레이닝 중에 더 많은 이미지를 학습 가능 (학습능력을 높인다)편차 증가 : 모델이 중요하지 않은 특징을 무시하고 분류에서 정말로 중요한 특징만 선택하도록 하여 더 나은 일반화가 가능데이터셋 객체 생성train_.. 2023. 7. 5.
SKT FLY AI : 7일차 - CNN 합성곱 신경망 (CNN) 음성인식이나 이미지 인식에서 주로 사용되는 신경망의 한 종류 수학적 연산을 사용해서 이미지의 특성을 추출하는 레이어를 포함 이미지 처리에 탁월한 성능을 보이는 신경망 다차원 배열 데이터를 처리하도록 굿ㅇ 사진이 입력으로 들어오면 먼저 특징을 추출한다. 예를들어, 새의 사진이라면 깃털의 색깔, 부리의 크기, 눈의 모양 등 여러가지 특징들로 나누어서 판단한다. 이 과정을 컨볼루션이라고 부른다. 특성맵 필터를 이용하여 각 위치마다 포개지는 숫자를 곱해서 모두 더한다. -> 해당 컨볼루션 결과를 기록한 것 말 그대로 필터의 특성이 입력 사진의 어느 부분에 많이 존재하는지 보여주는 지도 특성 맵의 숫자가 높으면 그 위치가 필터와 유사하다는 것을 의미 반면에 CNN은 미리 고정된 연결이 없.. 2023. 7. 4.
SKT FLY AI : 6일차 - ML(2) ML구조의 의미 Data 학습시키기 위한 데이터. 이 데이터가 모델에 들어가서 Feature들을 뽑아내고, 이 Feature들을 기반으로 result를 뽑아낸다. 데이터가 생성되고, 데이터에 Transform 변형을 준다거나 모델에 들어가기 전에 데이터 전처리가 들어감 이 때 들어갈 때는 Batch로 만들어서 Model에 넣어줌 Model LeNet, AlexNet, VGG나 ResNet 등 다양하게 설계된 모델 Convolution Layer, Pooling등 다양한 Layer층들로 구성 이 모델안에 학습 파라미터가 있고, 이 모델이 학습하는 대상 Prediction / Logit [0.15, 0.3, 0.2, 0.25, 0.1] 각 class 별로 예측한 값 여기서 가장 높은 값이 모델이 예상하는 c.. 2023. 7. 4.

티스토리툴바