Keras Tensorflow위에서 동작하는 라이브러리 -> 사용자 친화적으로 개발되어 사용이 편해 필요함 간단한 신경망의 경우 몇줄만으로 만들 수 있음 사용자가 Tensorflow를 좀 더 쉽고 편하게 사용할 수 있게 해주는 high level API를 제공 Tensorflow 구글에서 만든 딥러닝 프로그램을 쉽게 구현할 수 있도록 다양한 기능을 제공해주는 라이브러리 TensorBoard (브라우저에서 실행가능한 시각화 도구)를 제공 -> 딥러닝 학습 과정 추적하는데 유용 Tensor형태의 data들이 모델을 구성하는 연산들의 그래프를 따라 흐르면서 연산이 일어남 (Flow) Keras사용보다 훨씬 더 디테일한 조작이 가능 Tensor 데이터의 배열 배열의 집합 array와 matrix와 매우 유사한 ..

Pytorch 파이썬에서 제공되는 딥러닝 네트워크 tensorflow와 같이 많은 사람들이 사용하는 딥러닝 프레임워크 Numpy vs Pytorch 딥러닝에서 numpy만을 사용한다면, backpropagation에서 모든 미분식을 직접 계산하고 코드로 작성해야함. 반면 Pytorch 사용시 backward() 함수 호출 시 자동으로 계산 GPU틑 통한 연산 가능 여부 Numpy의 경우 GPU로 값들을 보내 연산을 돌리고 다시 받는 것이 불가능 Pytorch의 경우 내부적으로 CUDA를 통해 GPU 사용가능 -> 연산빠름 * CUDA - 엔비디아가 개발한 GPU를 통한 연산을 가능하게 만든 API 모델 Tensorflow vs Pytorch 공통점 둘 다 연산에 GPU이용하는 프레임 워크 차이점 tens..

어후 벌써 반년이 지났네요,,, 딥러닝 강의 듣다가 정보처리기사 실기 공부하느라 업로드를 못했슴당.. 암튼!! 꽤 지났지만 정보처리기사 실기 후기 남겨봅니다~~!! ~정보처리기사 실기 후기~ 22년 2회 실기시험응시했습니다 실기만 3번 봤네여,, 아니 화나게 2점차로 떨어지더라구요. 3번째에 붙었습니다..ㅠㅠ 어후 처음엔 한글이랑 영어랑 섞어 나오더니 그 다음 회차엔 영어만 나오고 그 다음엔 약자만 나오더라구요...^^ 왜 영어시험이라는지 이해가 됩니다 정처기 실기 공부법 + 꿀팁(?) 우선 필기를 수제비책으로 해서 한방에 붙어서 실기도 수제비책으로 공부했어요. 수제비책을 사면 수제비카페에 가입할 수 있어요!! 카페에 질문도 하고 데일리 문제나 여러 족보도 있고 모의고사도 올라와있어서 엄청 도움 됬습니다..

Modules of Classifier Feature Extrator => Convolution Layer + Pooling Layer → output = Feature vector Classifier => Dense Layer → output = Class Scores Feature를 뽑아내는 이유 input의 image를 classifier로 바로 넣어 분류하기 어려움 (성능 ↓) → Feature를 만들기 시작 Shapes in the Classifier 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 from tensorflow.keras.layers import Dense n_neurons = [50, 25, 10]..

Pooling Pooling은 sub sampling이라고 함 image data를 작은size의 image로 줄이는 과정 pooling을 사용하는 이유 앞선 layer들을 거친 output의 모든 data가 필요하지 않기 때문 → 즉, 추론을 하는데 있어 적당량의 data만 있어도 되기 때문 pooling의 특징 학습변수가 없다. (ex. weight, bias) pooling의 output은 channel수에 영향 없다. Max Pooling 최댓값을 뽑아내는 pooling의 한 종류 $\phi =\max \left( W\right) $ 1D Max Pooling 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 import numpy as np i..

Classification 분류는 class를 예측하는 것 어떤 text를 입력했을 때, 어떤 class에 속하는지 예측하는 것 즉, 예측해야 할 대상(class)이 정해져있다. discrete한 값이 ouptut 미리 정의된 가능성이 있는 여러 클래스 레이블 중 하나를 예측하는 것 중간이 없다 classification의 종류 1. binary classification - 예측할 class가 2가지인 경우 2. multi-class classification - 예측할 class가 여러가지인 경우 Binary Classification output을 T / F, 앞 / 뒤와 같이 두가지 그룹으로 분류하는 것 output y가 binary한 0 / 1 로 나옴 → Output layer에 Activat..