그동아 개념에 대한 포스팅을 하였습니다. 코딩으로 돌아 오기까지는 오랜 시간이 걸렸지만 지금까지의 모든 포스팅은 기본적인 딥러닝을 하기 위해 이해나는데 필요한 영역이라 할 수 있습니다.
앞으로도 꾸준히 복습을 해야할 것 같습니다. 모델링을 시작했을 때 텐서플로우를 도입하여 템플릿을 제공하고 그 안에 넣는 것이 쉬웠을 것입니다.
이제 이론을 알았으므로 전체 과정과 진행되는 모든 것을 진정으로 이해할 수 있습니다. 이번에 선택한 문제는 기계 학습의 핼로우 월드라고 할 수 있습니다.
종종 이것은 학생들이 직면하는 첫 번째 문제 중 하나입니다. Mnist라고 불리는 사면 데이터 세트는 손으로 쓴 숫자의 약 70000 개의 이미지로 구성됩니다. 10 자리 숫자이기 때문입니다. 0부터 9까지 10 개의 클래스가 있습니다.
목표는 이미지를 입력으로 취한 다음 정확하게 결정하는 알고리즘을 구축하는 것입니다. 번호는 그 이미지에 표시됩니다. 처음에 이 알고리즘을 시작한 데에는 몇 가지 이유가 있습니다. 이전에 사용하지 않은 예제를 만들고 싶었지만 이유가 있습니다.
Mnist는 머신 러닝의 헬로우 월드입니다. 첫째는 시각적 문제입니다. 데이터를보고 무엇을 기대해야하는지 알 수 있습니다. 따라서 문제를 쉽게 정의하고 이해할 수 있습니다.
둘째, 딥 러닝 알고리즘을 접한 거의 모든 사람들이 테스트했습니다. 학생들이 처음 작업을 했을 때 알고 있다고 말할 때 사람들이 말하는 내용을 알기를 바랍니다.
세번째로 이미지를 생각했습니다. 이미지 사례에서 컨볼루션 또는 신경망을 구축하는 것은 쉽고 마지막으로 데이터 세트가 충분히 크고 깨끗합니다. 후자는 누락 된 값이 없다는 것을 의미합니다. 잘못된 라벨이 번진 사진 등을 의미합니다.
물론 제작자를 인정해야합니다. 데이터 세트는 Yann Le coon Carina Cortez와 Christopher Burgess가 개발했습니다. Yann Le Koons 웹 사이트 (yen dot lacuna dot com)에서 자세한 내용을 확인할 수 있습니다. Yan은 신경망과 최신 이미지 인식에 대한 컨볼 루션의 창시자 중 한 명입니다.
그는 A.I. Facebook에서 연구원 업무를 담당하였습니다. 상상할 수 있듯이 Facebook에서 기계 학습을 수행하려면 이미지 작업이 많이 필요합니다. 그래서 Yan은 A.I의 개척자 일뿐만 아니라 리더입니다. 다음 포스팅에서 해당 예제에 대해 알아보겠습니다.
'SW > 딥러닝' 카테고리의 다른 글
| 44. 딥러닝 : MNIST 분류 예제, 구현 : 데이터 전처리 (0) | 2020.09.05 |
|---|---|
| 43. 딥러닝 : MNIST 분류 예제 : 패키지 임포트, 데이터 준비 (0) | 2020.09.04 |
| 41. 딥러닝 : 원핫, 바이너리 인코딩 : 개념, 차이, 장단점, 적용 차이 (0) | 2020.09.02 |
| 40. 딥러닝 : Categorical Data (범주형 데이터) : 개념, 필요성, 종류 (0) | 2020.08.30 |
| 39. 딥러닝 : Standardization(정규화) : 개념, 종류, 컨셉 (0) | 2020.08.29 |