마크투비의 고 GO

1. Neural Network의 역사 1) Perceptron(~1957) Mark1 Percetptron: 최초의 뉴럴 네트워크(하드웨어) binary step function이라 미분 불가능 backpropagation 개념이 나오기 전(어차피 미분 불가능이라 있어도 안 됨) 이후 1960~1980 첫번째 신경망 암흑기 2) Adaline/Madaline(~1960) 최초의 multi layer perceptron 네트워크(하드웨어) 3) Neocognitron(1980) sandwich architecture(simplecell-complexcell-simplecell-complexcell-...) 4) First time back-propagation(1986) 최초의 back propogati..

1. Computational graphs computational graph는 함수 식을 단순화하여 graph로 표현하는 방법이다 임의의 복잡한 함수에서 analytic gradient를 구할 때 computational graph를 이용한다 computational graph를 사용해서 함수를 표현한다 Backpropagation 사용 가능해진다 Gradient를 얻기 위해 computational graph 내부의 모든 변수에 대해 chain rule을 재귀적으로 사용한다 2. Backpropagation Backpropagation의 첫번째 단계는 함수 f를 computational graph로 나타내는 것이다 Backpropagation은 chain rule을 재귀적으로 사용한다 chain ru..

1. Loss function(손실함수) Loss function은 classifier가 얼마나 잘 수행해내는지 알려줌 weight 값을 판단하는 기준이 됨 loss will be high, if we’re doing a poor job of classifying the training data 1) Multiclass Support Vector Machine loss (Hinge loss) (x_i, y_i)에서 x_i는 image, y_i는 (integer) label을 의미. 이때 scores vector: s=f(x_i, W) SVM loss는 다음과 같이 구한다 s_j는 잘못된 label의 score, s_yi는 제대로 된 label의 score 의미. 1은 safety margin s_j – ..

1. Image classification 이미지 분류 Image images are represented as 3D arrays of numbers, with integers between [0, 255] E.g. 300x100x3(height x width x color channel) Image classification core task in computer vision image is input data An image classifier def classify_image(image): #???? return class_label 2. Image classification challenges 이미지 분류의 어려움 1) viewpoint variation 시각에 따라 이미지가 다르게 보일 수 있음..

최신 버전의 내용 정리가 업데이트 되었습니다. 👉🏻 보러가기 1. Computer Vision의 역사 Biological Vision의 역사 과거 고대 생물에게 시력은 존재하지 않았다가 시력이 생기면서 아주 짧은 기간동안 생물의 종이 폭발적으로 증가 (Evolution’s Big Bang) 시력은 거의 모든 지적 동물들의 가장 큰 감각 체계로 발전 Mechanical Vision의 역사 Pinhole camera 이론에 근거한 카메라 Obscura 동물들이 구멍을 통해 빛을 모으는 초기 눈과 유사 카메라 뒤쪽에 있는 plane에서 정보와 영상을 수집 Hubel & Wiesel, 1959. Electrophysiology 연구 고양이 뇌에 전극을 꽂아서 어떤 자극이 고양이 뇌의 신경세포를 흥분시키는지 관찰..

출처: https://www.tensorflow.org/tutorials/images/transfer_learning?hl=ko 이 튜토리얼에서는 사전 훈련된 네트워크에서 전이 학습을 사용하여 고양이와 개의 이미지를 분류할 것이다. 사전 훈련된 모델은 이전에 대규모 데이터셋에서 훈련되어 저장된 네트워크로, 일반적으로 대규모 이미지 분류 작업에서 훈련된 것이다. 사전 훈련된 모델을 그대로 사용하거나 전이 학습을 사용하여 이 모델을 주어진 작업으로 사용자 정의할 수 있다. 이미지 분류를 위한 전이 학습을 직관적인 시각에서 바라보면 모델이 충분히 크고 일반적인 데이터 집합에서 훈련된다면, 이 모델은 사실상 시각 세계의 일반적인 모델로서 기능할 것이다. 그런 다음 대규모 데이터셋에서 대규모 모델을 trainin..

출처: https://www.tensorflow.org/tutorials/images/classification?hl=ko 텐서프로를 이용해서 꽃 이미지를 분류해볼 것이다. keras.Sequential 모델을 사용하여 image classifier를 만들고 preprocessing.image_dataset_from_directory를 사용하여 데이터를 로드한다. 다음과 같은 기본적인 머신러닝 워크플로를 따른다. 데이터 검사 및 이해하기 입력 파이프라인 빌드하기 모델 빌드하기 모델 훈련하기 모델 테스트하기 모델을 개선하고 프로세스 반복하기 TensorFlow 및 기타 라이브러리 가져오기 import matplotlib.pyplot as plt import numpy as np import os impor..

보호되어 있는 글입니다.

보호되어 있는 글입니다.

보호되어 있는 글입니다.