사실 비전공자인 필자는 처음 CNN을 처음 배울 때, CNN이 무슨 말인지 하나도 몰랐다. 그래서 그때를 생각하며 최대한 이해가 쉽도록 글을 적어보겠다. 일단 신경망에 대한 기초는 알고 있다고 판단하고 글을 적겠다. 만약 시간이 없다면, 최소한 input_layer, hidden_layer, output_layer에 대한 개념을 알아보고 계속 글을 읽자. 기본적으로 CNN은 image를 분류하기 위한 개발된 Network이다. 따라서 image에 최적화 되어 있다는 점을 인지하자. 그리고 image는 픽셀로 되어 있다. 픽셀의 색을 컴퓨터가 이해할 수 있도록 숫자로 변경을 한 후에 신경망을 통해 계산을 하는 것이다. 그렇다면, 딥러닝인 CNN이전의 머신러닝 시절에는 image를 어떻게 분류를 했을까? 딥..
0. 들어가면서 합성곱 신경망(CNN)인 Convolution Neural Network의 기본 연산중 하나인 Pooling 연산에 대해 알아보자. 아래의 블로그를 통해 Convolution 연산에 대해 알아 보고 동작 원리도 알아 보았다. han-py.tistory.com/230 han-py.tistory.com/231 정리하면 Convolution 연산 후에 Activation Function(ReLU)를 활용해 -1를 0으로 바꿔주는 것 까지 알아 보았다. 이렇게 Convolution layer 하나를 구성한 이 후에 출력값(output feature)을 이용해서 다시 Convolution layer를 하나 구성해서 입력으로 넣어 주거나 Pooling layer를 넣어서 Pooling layer에 ..
0. 들어가면서 cnn의 기초는 아래의 링크를 따라가자. han-py.tistory.com/230 지금 글적다가 다 날라갔다... 인내심을 가지고 다시 적어보겠다. 일단 관련 깃헙 파일에 들어가서 tf.keras.layer.Conv2D를 찾아보면 아래와 같다. 사실 이렇게 생겼구나! 만 보고 넘어가면 된다. class Conv2DTranspose(Conv2D): """Transposed convolution layer (sometimes called Deconvolution). The need for transposed convolutions generally arises from the desire to use a transformation going in the opposite direction of..
0. 들어가면서(VGG16 모델) backbone으로 가장 많이 사용된다. 2014년에 ILSVRC에서 2등 한 모델이다. 1등은 구글에서 했지만, 더 많이 사용한다. 특이한 것이 없는 일반적인 CNN이다. CNN과 동일하게 convolution layer와 max pooling later가 있다. 21개의 layer를 갖고 weight 는 1억 4천 개 pooling 레이어를 제외하고 모두 16개의 레이어가 있다. 1. 코드 1-1. 데이터 받아 저장하기 기본적으로 colab을 사용한다. !rm -rf imagenet !mkdir imagenet # 버섯 !wget -O imagenet/mushroom1.jpg http://farm4.static.flickr.com/3023/2822584107_1861..
- Total
- Today
- Yesterday
- error:0308010C:digital envelope routines::unsupported
- Python
- next.config.js
- react
- Queue
- pandas
- NextJS
- DFS
- react autoFocus
- vuejs
- useState
- Express
- 자료구조
- Deque
- 클라우데라
- Vue
- BFS
- useHistory 안됨
- login
- 자연어처리
- nextjs autoFocus
- nodejs
- TensorFlow
- django
- mongoDB
- read_csv
- UserCreationForm
- typescript
- JavaScript
- logout
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
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 | 28 |
29 | 30 | 31 |