1. 좋은 weight를 찾는 것이 우리의 목표입니다. 그래서 처음에는 랜덤한 값을 넣습니다.딥러닝의 목표는 주어진 데이터에서 최적의 가중치(weight)를 찾고, 모델이 데이터를 잘 예측 것이다.처음에는 가중치를 임의의 값으로 설정하고 시작한다2. 그리고 나서 데이터를 넣고 예측을 하게 됩니다.주어진 입력 데이터(input data)를 모델에 넣으면, 모델은 현재의 가중치에 기반해 예측값을 출력합니다.3. 당연히 처음에는 예측을 못합니다.초기 가중치는 랜덤이기 때문에, 처음 예측은 정답과 많이 다를 수 있습니다. 이는 모델이 아직 학습되지 않았기 때문입니다. 4. 정답이랑 비교해서 얼마나 예측을 못했는지 Loss 함수를 통해 Loss라는 계산값을 얻습니다.예측값과 실제 정답(label)을 비교하여, 예..

1. Pytorch 프레임워크 종류딥러닝 모델에는 수많은 알고리즘이 있습니다.데이터 처리, 이미지처리, 가중치계산 등 만들어야 할 알고리즘이 한두개가 아닙니다.하나 하나 직접만들기에는 무리가 있기 때문에 프레임워크를 사용하여 만들 수 있습니다.대표적인 프레임워크는 텐서플로, 케라스. 파이토치 가 있습니다.저는 개인적으로 파이토치를 사용 하고 있습니다. 왜 파이토치 인가?어떤 프레임워크가 점유율이 높을까? 생각해보면 답이 있습니다.현재 파이토기가 가장 큰 점유율을 보이고 있으며 대형회사부터 대학 연구실까지 많은 사람이 이용하고 있습니다.파이토치 코드는 파이썬 본래의 코드와 유사해 직관적이라는 장점도 있으며,처음 딥러닝을 접하는 사람에게는 파이토치가 좋다고 생각 합니다.물론 특정 업무나 특성 때문에 텐서플로..

1. 학문적인 딥러닝학문적으로 접근 했을 때, 딥러닝은 위의 이미지와 같이AI 학문이라는 안에 DL 이 속해 있는 파트 입니다. AI(Artifical intelligence)과거 1950년대에 AI(인공지능) 라는 학문이 생겼고,인간의 지능을 갖고 있으며 기능을 갖푼 컴퓨터 시스쳅이며, 인간의 지능을 기계 등에 인공적으로 구현 한 것이라고 말 할 수 있습니다. ML(Machine Learning)그러면 ML 은 무엇인가?1980년대는 데이터가 많아지며 데이터 기반으로 학습을 해보자는 움직임을 통해서 만들어진 파트 입니다.많은 데이터를 분석하고 가공하여 새로운 정보를 얻어서 어떠한 값을 예측하는 기술 혹은 학문이라고 할 수 있습니다.예를 들어 행렬로 미지수를 찾는것, if문으로 가장 오차를 적은 수를 찾..

1. 최적의 weight를 찾는다아래 그림 처럼인공신경망은 output 값을 얻기 위해서 weights 랜덤한 값을 계속 넣으면서 값을 찾습니다.2. Neural Network 가 정답을 잘 찾고 있을까?인공신경망이 얼마나 잘 하는지 혹은 얼마나 못하는지 척도가 필요합니다.보통 인공신경망에서 얼마나 못하는지 알기위해 척도를 이용 합니다. 흔히 사용하는 것이 Loss function / Cost function 이며,많이 쓰는 방법은 인공신경망의 출력과 실제 정답과의 차이를 활용 합니다. 예시)A, B 광고료에 따른 판매량을 측정하는 모델을 개발하고 있다고 할때,예측 판매량 (100, 80)실제 판매량 (105, 78) Loss = (105 - 100)² + (78 - 80)² = 29제곱을 하는 이유는 ..

1. 인공신경망의 이해 인공신경망의 용어 중에 input data, label, weight 라는 단어를 많이 접하게 됩니다.input data 는 (3, 2), (1, 4), (5, 5), (8, 3) 우리가 수집한 데이터를 기계에 넣어주는 것이라고 이해하면 됩니다.label 은 1, -3, 0, 5 정답을 알려주는 데이터 이고,weight 는 기계가 스스로 학습을 통해 찾아내도록 하는 값인데, 여기서는 □, △ 를 가리키는 것 입니다.즉, 인공신경망을 통해서 우리가 찾고자 하는 것인 weight 혹은 파라미터라고 부르기도 합니다. 기계는 어떻게 값을 찾을 수 있을까?기계는 랜덤하게 정답을 찾을때까지 숫자를 넣어서 답에 가깝도록 찾습니다.예를 들어 0.5, 0.5 넣어서 정답과 차이를 보고 차이를 반복..