DAY 23 - 딥러닝 이론

딥러닝은 신경망에 정보(tensor)를 흘리는 것이다. 머신러닝과 가장 큰 차이점은 바로 "신경망"

 

딥러닝에서 가장 기본이 되는 프레임워크는 "텐서플로우(Tensorflow)"

 1차원 텐서, 2차원 텐서, 3차원 텐서....

 

< 딥러닝 프레임워크 >

 

• Tensorflow
  • C++로 작성되어 있다.
  • 뛰어난 이식성과 확장성을 지님
  • Tensorflow에는 많은 설명을 요함 ex. 굵고 탐스럽게 내리는 눈
    
    
• Keras
  • Tensorflow를 Backend로 사용
  • 동일한 코드로 CPU, GPU에서 실행 가능
  • Keras에는 추상화 레벨이 높은 정보를 주어도 됨 ex. 함박눈
    
    
• PyTorch
  • Meta(구 Facebook)가 만든 프레임워크. Caffe도
  • C/CUDA를 Backend로 사용. CUDA는 NVIDIA GPU
  • 파이썬 문법과 유사
  • GPU 가속 연산

 

---

• 딥러닝으로 할 수 있는 것들
  • Image & Speech Recognition
  • Medical Diagnosis
  • Statistical Arbitrage
  • Learning Associations
  • Classification
  • Prediction
  • Extraction
  • Regression
    
    
• 인공 신경(Artificial neuron)
  • 전기적 신호 1, 0이 입력 신호로 들어갔을 때, 임계치 또는 특정 조건이 되면 출력 신호로 나온다.
  • 특정 신호가 입력됐을 때 이것이 중요하다는 자극이 들어간다. 가중치 알파(α) 값이 올라가면 자극에 대한 민감도 ↑
  • 노드와 엣지로 표현. 하나의 노드 안에서 입력과 가중치를 곱하고 더하는 선형(Linear) 계산
  • 활성화 함수를 통한 비선형 구조(non-linear) 표현 가능

• 완전 연결 계층(Fully-connexted Layer)
  • input layer, hidden layer, output layer로 되어 있다.
  • Dense Layer라고도 불림
  • 아래는 가장 기본적인 신경망 형태로 input layer, hidden layer1, hidden layer2, output layer로 되어 있다.
  • 입력노드: 3개, 은닉층1 노드: 4개, 은닉층2 노드: 4개, 출력층 노드: 1개로 총 3*4*4*1=48개의 선으로 되어 있다.

 

• 신경망의 활용
  • 회귀(Regression)
    • Y=aX+b(X=입력, Y=출력, a=기울기, b=y절편)
    • ex 1 나이, 키, 몸무게에 따른 기대수명
    • ex 2. 아파트의 방의 개수, 크기, 주변 상가 등에 다른 아파트의 가격
      
      
  • 분류(Classification)
    • 입력값에 따라 특정 범주(category)로 구분하는 문제. 분류 곡선/직선을 찾아야 한다.
    • 범주의 개수에 따라 이진 분류(Binary Classification), 로지스틱 회귀(Logistic Regresstion) 등을 사용
    • 몇 번 돌리는지가 매우 중요하다.
    • ex. 면접 점수, 실기 점수, 필기 점수에 따른 시험 합격 여부