코딩포트폴리오

[학습목표]활성화 함수 알고리즘에 대해 설명할 수 있다.※ 퍼셉트론은 직선 하나로 나눈 영역만 표현할 수 있다는 한계가 있다.XOR게이트는 어떻게 표현을 해야할까? 단순 퍼셉트론은 불가능하다. 다층 퍼셉트론으로, 1층에 NAND와 OR로 처리를 하고 2층에 AND로 처리를 하면 XOR를 표현할 수 있게 된다.▶비선형적인 문제를 풀려고 하면 층이 깊어진다. 활성화 함수입력 신호의 총합을 출력 신호로 변환하는 함수입력 신호의 총합이 활성화를 일으키는지 정하는 역할을 한다.활성화 함수라고 하는 것은 입력 신호의 총합을 출력 신호로 변환해 주는 기능을 하는 것을 우리는 활성화 함수라고 할 수 있다. 즉, 입력 신호의 총합이 활성화를 일으키는지를 정하는 역할을 하는 것이 활성화 함수이다. 판별할 때 시그모이드를 ..

[학습목표]구글 코랩을 활용한 6개의 클래스 분류 모델 추론을 따라할 수 있다.

[학습목표]다중 이미지 분류에 대해 이해하고, 구글 코랩을 활용한 6개의 클래스 분류 모델 학습을 따라할 수 있다.데이터 증강 기술 ★ ★ ★ ★ ★ 데이터 증강기술은 훈련 데이터에만 적용된다 (시험출제)즉, 훈련 데이터의 양을 늘려줌으로써 과적합을 방지할 수 있게 된다.딥러닝) 층을 깊이 가져가다 보면 결과적으로 매개변수 값이 수천 개, 많게는 수만 개까지 늘어날 수 있다.즉, 매개변수가 많이 늘어난다는 얘기는, 그만큼 데이터양이 많아져야만 과적합이 발생하지 않는다.6과 9같은 데이터에는 특별히 조심해야 한다. (예시로, 회전 10%, ...)→ 모든 데이터에 동일한 데이터 증강 기법을 적용할 수 없다. 코랩을 왜 사용하는가? 실제로 학습을 할 수 있도록 작은 단위로 데이터를 나누고, 나누어지게 되면 ..

[학습목표]인공신경망 알고리즘에 대해 설명할 수 있다.퍼셉트론퍼셉트론이라고 하는 것은, 1943년 맥크로취와 피트에 의해서 신경활동에서 생각의 논리적 계산이라고 하는 논문에서 처음으로 인공 신경망의 연구가 출발이 되었고 이러한 인공 신경망 출발을 하고 난 이후에 그로부터 한 10년 뒤, 로젠블렛에 의해 고안된 알고리즘이 바로 퍼셉트론이다. 이러한 알고리즘은 가중치 수정규칙으로 이진 분류기 학습이 가능하다고 하는 부분도 입증되었다.인공신경망의 기원이 되는 알고리즘퍼셉트론은 최초의 인공 신경망이고 단층 신경망으로써 선형 분류의 문제를 해결할 수 있다. 근데 문제가 발생했다. 퍼셉트론만으로는, 비선형적인 문제를 풀 수가 없다는 문제에 봉착하게 되었다. 퍼셉트론이 나오면서 첫 번째 인공지능에 관련된 황금기가 시..

[학습목표]구글 코랩을 활용한 폐렴 진단 추론을 따라할 수 있다. 추론을 해보는 과정 추론을 할 때 시험용 데이터를 이용해서 다시 모델을 평가할 수도 있는 것이고, 그 모델을 이용해서 어떤 새로운 이미지를 가지고 예측을 해볼 수 있는 용도로 사용할 수 있다. 그래서 앞에서 우리는 h5형식으로 모델을 저장해두었다.그럼 이 모델을 다시 메모리에 로딩을 해서 8층 신경망에 학습된 매개변수 값들을 초기화시켜줘서 새로운 데이터가 흘러갔을 때 예측이 잘 되도록 준비하는 것이 추론을 하는 준비 과정이 끝나게 되는 것이다.

[학습목표]구글 코랩을 활용한 폐렴 진단 학습을 따라할 수 있다. 하이퍼 파라미터 값 설정batch_size : 데이터셋이 1000장의 이미지 데이터라 할 때, batch_size가 10이면 10장씩 100개 묶음으로 만든다는 얘기이다. ▶딥러닝은 굉장히 많은 하이퍼 파라미터가 생성되는데 데이터 수가 적으면 제대로 학습이 되지 않는다.인공신경망 학습순전파를 통해서 모델이 추론을 하게 되고 추론한 결과가 예측과 실제값의 차이, 즉 오차를 줄여나가는 방향으로 역전파를 하면서 이 중간에 들어가 있는 매개변수 값들을 갱신하는 과정이 인공 신경망의 학습이라고 보면 된다. 데이터 증강데이터를 바로 학습X, 데이터 전처리가 우선이 되어야 한다. 데이터 전처리는 이미지학습에 있어, ImageDataGenerator이라..

[학습목표]구글 코랩을 활용하여 학습된 모델을 이용한 개와 고양이 분류 모델 추론을 따라할 수 있다. 정확도가 80%미만일 경우 정확도를 올려줘야 한다.알고리즘 개선데이터 더 많이 수집

[학습목표]이진 이미지 분류에 대해 이해하고 구글 코랩을 활용한 개와 고양이 분류 학습을 따라할 수 있다.이번에 핵심 내용 : 이진 이미지 분류 (Image Binary Classification)  ★ 배치처리 (매우 중요)예시로, 1000장의 훈련용 데이터를 10장씩 나누면 100묶음이 된다. 이 100묶음을 다 1번 학습한 것이 1에폭이라고 부른다.컴퓨터가 병목 현상이 발생하지 않도록 적절한 양의 데이터들을 묶어서 처리해 줌으로써 우리가 조금 더 효율적으로 그리고 시간을 단축해서 우리가 원하는 결과를 얻어낼 수 있기 때문에 데이터를 미니 배치 학습하는 것이 굉장히 큰 장점이 있다고 보면 된다.배치 처리이미지 1장당 처리 시간을 대폭 줄여주며 컴퓨터로 계산할 때 큰 이점을 준다.수치 계산 라이브러리 ..

[학습목표]구글 코랩 개발환경에 대해 이해하고, 구글 코랩 실행을 위한 환경 설정을 따라할 수 있다.  코랩 사용 이유: 구글코랩은 GPU를 제공해준다.

[학습목표]텐서플로 완전연결층 프로그래밍에 대해 설명할 수 있다.패션MNIST 클래스가 10이니까, 출력층의 뉴런도 10개이다.그러면 기본적으로 흑백 이미지이니까 흑백 이미지의 픽셀은 0에서 255사이의 값이 들어가 있다. 훈련 → 정답이 있는 데이터를 가지고 훈련 Flatten 네트워크에는 입력을 그대로 한 줄로 만드는 것이기 때문에 필요한 매개변수는 입력의 크기이다.  앞의 예에서 2차원 (28*28) 입력을 1차원 (784)으로 변경하였고 2차원의 형상을 1차원으로 변형해 주는 역할을  하는 것이 Flatten 클래스가 하는 역할이다. 신경망에서는 다차원 배열이 매우 중요하다. 이미지를 다양한 각도로 해서 입력하는 것은 정확한 예측을 위해 필수작업이다. 특정한 특징이나 경향을 가진 데이터만 지나치게..