딥러닝 공부방

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱 신경망(CNN) - 합성곱 계층 구현하기 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리�� deep-learning-study.tistory.com 이전에는 합성곱 계층을 구현하는 방법에 대해 알아보았습니다. 이번에는 풀링 계층을 구현하는 방법에 대해 알아보겠습니다. 풀링 계층 구현하기 풀링 계층 구현도 합성곱 계층과 마찬가지로 im2col을 사용해 입력 데이터를 전개합니다. 단, 풀링의 경우엔 채널 쪽이 독립적이라는 점이 합성곱 계층 때와 다릅니다. 구체적으로는 아래 그림과 같이 풀링 적용 영역을 채널마다 독립적으로 계산합니다. 일단 이렇..

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱신경망(CNN) - im2col로 데이터 전개하기 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리�� deep-learning-study.tistory.com 이전 포스팅에서 합성곱 연산을 할 때 im2col로 데이터를 전개하는 방법에 대해 알아보았습니다. 이번에는 im2col을 적용한 합성곱 계층을 구현해보겠습니다. 합성곱 계층 구현하기 이 책에서는 im2col 함수를 미리 만들어 제공합니다. im2col 함수는 '필터 크기', '스트라이드'. '패딩'을 고려하여 입력 데이터를 2차원 배열로 전개합니다. im2col을 실제로 적용해보겠습니다...

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱 신경망(CNN) - 배치 처리와 풀링 계층 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리�� deep-learning-study.tistory.com 저번 포스팅에서 합성곱 신경망에서 배치 처리와 풀링 계층에 대해서 알아보았습니다. 이번에는 합성곱/풀링 계층을 구현하는 것에 대해 공부하겠습니다. im2col로 데이터 전개하기 합성곱 연산을 곧이곧대로 구현하려면 for문을 겹겹이 써야합니다. 넘파이에 for 문을 사용하면 성능이 떨어진다는 단점이 있습니다. (넘파이에서는 원소에 접근할 때 for문을 사용하지 않는 것이 바람직 합니다) for ..

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱 신경망(CNN) - 3차원 데이터의 합성곱 연산 - 가중치와 편향 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리�� deep-learning-study.tistory.com 이전 포스팅에서는 3차원 데이터의 합성곱 연산에 대해서 공부했습니다. 이번에는 합성곱 신경망에서 배치 처리와 풀링 계층에 대해서 알아보겠습니다. 1. 배치 처리 신경망 처리에서는 입력 데이터를 한 덩어리로 묶어 배치로 처리했습니다. 완전연결 신경망을 구현하면서는 이 방식을 지원하여 처리 효율을 높이고, 미니배치 방식의 학습도 지원하도록 했습니다. 합성곱 연산도 마찬가지로..

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱 신경망(CNN) - 합성곱 연산에서의 패딩과 스트라이드 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 합성곱 신경망 - C deep-learning-study.tistory.com 이전 포스팅에서 합성곱 연산에서의 패딩과 스트라이드 기법을 공부했습니다. 이번에는 3차원 데이터의 합성곱 연산에 대해 공부하겠습니다. 3차원 데이터의 합성곱 연산 지금까지 2차원 형상을 다루는 합성곱 연산을 살펴봤습니다. 그러나 이미지만 해도 세로, 가로, 채널의 3차원 데이터입니다. 이번에는 채널까지 고려한 3차원 데이터를 다루는 합성곱 연산을 살펴보겠습니다. 3차원 데이터의 합..

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱 신경망(CNN) - 합성곱 연산의 작동 방법 - 필터 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 합성곱 신경망 - Convolutional neural network, CNN CNN은 � deep-learning-study.tistory.com 이전의 포스팅에서 합성곱 연산의 작동 방법과 필터의 개념에 대해 공부했습니다. 이번에는 합성곱 연산에서 자주 이용하는 기법인 패딩과 스트라이드에 대해 공부하겠습니다. 1. 패딩 - Padding 합성곱 연산을 수행하기 전에 입력 데이터 주변을 특정 값(예컨대 0)으로 채우기도 합니다. 이를 패딩이라 하며, 합성곱 연산에서 자주 이용하는 기법입니..

사이토고키의 을 공부하고 정리해보았습니다. [딥러닝] 합성곱 신경망(CNN) - 완전연결 계층(Affine 계층)의 문제점과 CNN의 특징 사이토고키의 을 공부하고 정리해보았습니다. 을 공부하고 정리해보았습니다. 합성곱 신경망 - Convolutional neural network, CNN CNN은 이미지 인식과 음성 인식 등 다양 deep-learning-study.tistory.com 이전 포스팅에서 완전연결 계층(Affine 계층)의 문제점과 CNN의 특징에 대해 알아보았습니다. 이번에는 합성곱 연산에 대해 알아보겠습니다. 합성곱 연산 합성곱 계층에서의 합성곱 연산을 처리합니다. 합성곱 연산은 이미지 처리에서 말하는 필터 연산에 해당합니다. 구체적인 예를 보겠습니다. 그림과 같이 합성곱 연산은 입력..

사이토고키의 을 공부하고 정리해보았습니다. 합성곱 신경망 - Convolutional neural network, CNN CNN은 이미지 인식과 음성 인식 등 다양한 곳에서 사용되는데, 특히 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 다 CNN을 기초로 합니다. CNN의 메커니즘을 공부하고 이를 파이썬으로 구현해보겠습니다. 전체 구조 CNN의 네트워크 구조를 살펴보며 전체 틀을 이해하도록 하겠습니다. CNN도 지금까지 본 신경망과 같이 레고 블록처럼 계층을 조합하여 만들 수 있습니다. 다만, 합성곱 계층(convolutional layer)과 풀링 계층(polling layer)이 새롭게 등장합니다. 합성곱 계층과 풀링 계층의 상세 내용은 나중에 공부하기로 하고, 여기서는 이 계층들을 어떻게 조합..