DeepLearning/Tensorflow
케라스 창시자에게 배우는 딥러닝 - 9장 컴퓨터 비전을 위한 고급 딥러닝
정리 Conv2DTranspose layer를 이용한 Image Segmentation Baseline 구현 Image Classification으로는 MaxPooling이 괜찮지만, Image Segmentation Task에서는 Stride가 2인게 Down Sampling시에 괜찮다. 1. 세가지 주요 컴퓨터 비전 작업 이미지 분류(Image Classification) 이미지 분할(Image Segmentation) 객체 탐지(object detection) 또한 컴퓨터 비전을 위한 딥러닝을 위 세 가지 이외에도 여러 가지 틈새 분야에 해당하는 작업이 있습니다. 예를 들어 이미지 유사도 평가(image similarity scoring)(두 이미지가 시각적으로 얼마나 비슷한 지 추정하기), 키포인..
DeepLearning/Tensorflow
케라스 창시자에게 배우는 딥러닝 - 8장 컴퓨터 비전을 위한 딥러닝
1. 합성공 신경망 소개 from tensorflow import keras from tensorflow.keras import layers inputs = keras.Input(shape=(28, 28, 1)) x = layers.Conv2D(filters=32, kernel_size=3, activation="relu")(inputs) x = layers.MaxPooling2D(pool_size=2)(x) x = layers.Conv2D(filters=64, kernel_size=3, activation="relu")(x) x = layers.MaxPooling2D(pool_size=2)(x) x = layers.Conv2D(filters=128, kernel_size=3, activation="re..
DeepLearning/Tensorflow
케라스 창시자에게 배우는 딥러닝 - 6장 일반적인 머신 러닝 워크플로
1. 작업 정의 무엇을 하는지 자세히 이해하지 못하면 좋은 결과를 만들 수 없습니다. 고객이 이 특정 문제를 해결하려는 이유는 무엇인가요? 고객이 솔루션에서 어떤 가치를 얻을 수 있나요? 모델이 어떻게 사용되며 고객의 비즈니스 프로세스에 얼마나 잘 맞나요? 1.1 문제 정의 머신 러닝 문제를 정의하려면 일반적으로 고객과 많은 세부 논의가 필요합니다. 다음은 가장 우선 순위가 높아야 할 질문들입니다. 입력데이터는 무엇인가요? 어떤 것을 예측하려고 하나요? 가용한 훈련 데이터가 있어야 어떤 것을 예측하도록 학습할 수 있습니다. 예를 들어 영화 리뷰와 감성 레이블이 태깅되어 있어야 영화 리뷰의 감성 분류를 학습할 수 있습니다. 당면한 문제가 어떤 종류인가요? 이진 분류인가요? 다중 분류인가요? 스칼라 회귀인가..
DeepLearning/Tensorflow
케라스 창시자에게 배우는 딥러닝 - 5. 머신 러닝의 기본 요소
1. 일반화 : 머신 러닝의 목표 머신 러닝의 근본적인 이슈는 최적화와 일반화 사이의 줄다리기 입니다. 최적화(optimization)는 가능한 훈련 데이터에서 최고의 성능을 얻으려고 모델을 조정하는 과정입니다. 일반화(generalization)는 훈련된 모델이 이전에 본 적 없는 데이터에서 얼마나 잘 수행되는지 의미합니다. 하지만 일반화 성능을 제어할 방법이 없습니다. 단지 모델을 훈련 데이터에 맞출 수만 있습니다. 1.1 과소적합과 과대적합 이전 장에서 본 모델의 경우 홀드아웃(Hold out) 검증 데이터에서 손실이 훈련이 진행됨에 따라 낮아지지만 잠시 후에 필연적으로 다시 높아집니다. 훈련 초기에 최적화와 일반화는 상호 연관되어 있습니다. 훈련 데이터의 손실이 낮아질수록 테스트 데이터의 손실도 ..
