전체 글162 08. 간단한 CNN 모델 만들기 1. 간단한 CNN 모델 만들기 import import torch import torch.nn as nn import torch.optim as optim PyTorch의 Tensor를 생성하고 그 형태(shape)를 출력 # 배치크기 * 채널(1: 그레이스케일, 3: 컬러) * 높이 * 너비 inputs= torch.Tensor(1,1,28,28) print(inputs.shape)torch.Size([1, 1, 28, 28])========================1x1x28x28인 4차원 텐서첫 번째 차원(batch dimension): 배치 크기(batch size)는 1두 번째 차.. 2024. 6. 20. 07. CNN 기초 1. CNN(Convolutional Neural Networks)* 합성곱 인공 신경망 * 전통적인 뉴럴 네트워크에 컨볼루셔널 레이어를 붙인 형태 * 컨볼루셔널 레이어를 통해 입력 받은 이미지에 대한 특징(Feature)을 추출하게 되고, 추출한 특징을 기반으로 기존의 뉴럴 네트워크에 이용하여 분류 1. CNN을 사용하는 이유 * 이미지 분류할 때 DNN(Deep Neural Network)의 문제점 - 일반적인 DNN은 1차원 형태의 데이터를 사용해야 함 - 2차원 이상의 데이터가 입력되는 경우는 flatten 시켜서 한줄로 데이터를 변환 후 넣어야 함 - 이미지의 공간적/지역적 정보가 손실됨 * DNN의 문제점을 해결하기 위해 이미지를 그대로(Raw Input) 발음으로 공간.. 2024. 6. 20. 06. 비선형 활성화 함수 1. 비선형 활성화 함수(Activation Functions)* 신경망의 성능을 향상시키기 위해 사용 * 선형 함수는 입력값과 가중치를 곱한 결과를 그대로 출력하기 때문에 신경망에서 여러 개의 선형 활성화 함수를 사용한다면 최종 출력값은 입력값과 가중치의 선형 조합으로 표현되므로 이는 입력 데이터의 비선형 관계를 표현할 수 없음 * 신경망이 입력 데이터의 비선형 관계를 잘 학습할 수 있도록 하기 위해서 비선형 활성화 함수를 사용 import import numpy as np import matplotlib.pyplot as plt 1. 시그모이드(Sigmoid )Sigmoid 함수는 주어진 입력에 대해 출력을 0과 1 사이의 값으로 변환하는 비선형 활성화 함 .. 2024. 6. 20. 05. 딥러닝 1. 뉴런(neuron) 1. 생물학적 뉴런* 인간의 뇌는 수십억 개의 뉴런을 가지고 있음* 뉴런은 화학적, 전기적 신호를 처리하고 전달하는 연결된 뇌신경 세포2. 인공 뉴런(Perceptron)* 1943년에 워렌 맥컬록, 월터 피츠 단순화된 뇌세포 개념을 발표 * 신경 세포를 이진 출력을 가진 단순한 논리 게이트라고 설명 * 생물학적 뉴런의 모델에 기초한 수학적 기능으로, 각 뉴런이 입력을 받아 개별적으로 가중치를 곱하여 나온 합계를 비선형 함수를 전달하여 출력을 생성 2. 퍼셉트론(Perceptron)* 인공 신경망의 가장 기본적인 형태로 1957년에 처음 소개됨 * 입력과 출력을 가진 단일 뉴런 모델을 기반 * 초기에 기계 학습 알고리즘 중 하나로 이진 분류 문제를 해결하기 위해 설계 impor.. 2024. 6. 20. 이전 1 2 3 4 5 6 7 8 ··· 41 다음 LIST
