printf("ho_tari\n");

2024.9.10 파이토치(PyTorch)페이스북이 초기 루아(Lua) 언어로 개발된 토치(Torch)를 파이썬 버전으로 개발하여 2017년도에 공개초기에 토치(Torch)는 넘파이(NumPy) 라이브러리처럼 과학 연산을 위한 라이브러리로 공개이후 GPU를 이용한 텐서 조작 및 동적 신경망 구축이 가능하도록 딥러닝 프레임워크로 발전시킴파이썬답게 만들어졌고, 유연하면서도 가속화된 계산 속도를 제공파이토치 모듈 구조파이토치의 구성요소torch: 메인 네임스페이스, 텐서 등의 다양한 수학 함수가 포함torch.autograd: 자동 미분 기능을 제공하는 라이브러리torch.nn: 신경망 구축을 위한 데이터 구조나 레이어 등의 라이브러리torch.multiprocessing: 병럴처리 기능을 제공하는 라이브러리..

2024.9.9 인공신경망(Artificial Neural Network)인간 두뇌에 대한 계산적 모델을 통해 인공지능을 구현하려는 분야인간의 뇌 구조를 모방: 뉴런과 뉴런 사이에는 전기신호를 통해 정보를 전달생물학적 신경세포와 인공신경망 비교신경세포(Neuron)수상돌기(樹狀突起, Dendrite) : 다른 신경세포의 축색돌기와 연결되어 전기화학적 신호를 받아들이는 부위축색돌기(軸索突起, Axon) : 수신한 전기화학적 신호의 합성결과 값이 특정 임계값이 이상이면 신호를 내보는 부위신경연접(神經連接, Synapse) : 수상돌기와 축색돌기 연결 부위, 전달되는 신호의 증폭 또는 감쇄인공 뉴런(Artificial Neuron)신경세포 구조를 단순화하여 모델링한 구조노드(Node)와 엣지(Edge)로 표현..

2024.9.6딥러닝딥러닝 : 층을 깊게 한 심층 신경망지금까지 설명한 신경망을 바탕으로 뒷단에 층을 추가하면 만들 수 있지만, 커다란 문제가 몇 개 있음딥러닝의 특징과 과제, 그리고 가능성에 대하여 살핌오늘날의 딥러닝 설명더 깊은 네트워크로모두 3x3 크기의 작은 필터 적용층이 깊어지면서 채널 수가 늦어나는 것이 특징(16, 16, 32, 32, 64, 64)풀링 계층을 추가하여 중간 데이터의 공간 크기를 점차 줄여감마지막 단의 완전 계층에서는 드롭아웃 계층 사용import numpy as npdef im2col(input_data, filter_h, filter_w, stride=1, pad=0): """다수의 이미지를 입력받아 2차원 배열로 변환한다(평탄화). Parameters -..

2024.9.5합성곱 신경망(CNN)합성곱 신경망 CNN convolutional neural network이미지 인식과 음성인식 등 다양한 곳에서 사용특히 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 다 CNN을 기초로 한다.전체 구조완전연결 계층(Affine 계층)으로 이뤄진 네트워크의 예완전연결 신경먕은 Affine 계층 활성화 함수를 갖는 ReLU 계층(혹은 Sigmoid 계층)이 이어집니다.그림에서는 Affine-RuLU 조합이 4개가 쌓였고, 마지막 5번째 계층은 Affine 계층에 이어 소프트맥스 계층에서 최종 결과를 출력한다.CNN으로 이뤄진 네트워크의 예 · 합성곱 계층과 풀링 계층이 새로 추가(회색)합성곱 계층합성곱 연산합성곱 언산의 예 : 합성곱 연산을 @ 기호로 표기합성곱 연산..

2024.9.4 매개변수 갱신optimizer class손실함수 값이 최소가되는 매개변수를 찾음 = 최적화 (optimize )# 그림 6-1 f(x, y) = (1/20) * x**2 + y**2 그래프# 3차원 참고주소: https://www.datascienceschool.net/view-notebook/6e71dbff254542d9b0a054a7c98b34ec/%matplotlib inlineimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits import mplot3dX = np.arange(-10, 10, 0.5)Y = np.arange(-10, 10, 0.5)XX, YY = np.meshgrid(X, Y)ZZ = (1 / 20..

2024.9.3신경망 학습데이터에서 학습한다.학습 (지도학습을 사용함)훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것손실함수 (오차를 구함)신경망이 학습할 수 있도록 해주는 지표학습의 목표 - 오차가 가장 적게하는 매개 변수의 값을 찾는 것손실 함수의 결과값을 가장 작게 만드는 가중치 매개 변수 값을 찾는 것경사강하법손실 함수의 값을 가급적 작게 만드는 기법함수의 기울기를 활용 - 오차에 대한 미분을 구하고 매개변수에서 오차를 줄이는 방향으로 연산한다.  데이터 주도 학습기계학습은 데이터가 생명이다. (데이터는 경험이라 볼수 있다.)데이터에서 답을 찾고 데이터에서 패턴을 발견하고 데이터로 이야기를 만드는 것손글씨 숫자 '5'의 예 : 사람마다 자신만의 필체가 있다.사람'손으로 규칙만들기..

2024.9.2퍼셉트론(Perceptron) 다수의 신호를 입력으로 받아 하나의 신호를 출력한다.신호 : 전류나 강물처럼 흐름이 있는 것전류가 전선을 타고 흐르는 전자를 보내듯, 퍼셉트론 신호도 흐름을 말들고 정보를 앞으로 전달실제 전류와 달리 퍼셉트론 신호는 흐른다/안 흐른다(1이나 0)의 두가지 값을 가질 수 있다.  - 1 : 신호가 흐른다.  - 0 : 신호가 흐르지 않는다. 입력으로 두개의 신호를 받은 퍼셉트론의 예 - x1과 x2는 입력신호 - y는 출력신호 - w1과 w2는 가중치 - 그림의 원을 뉴런 혹은 노드라고 부른다. - 입력신호가 뉴런에 보내질 때는 각각 고유의 가중치가 곱해진다.(w1x1 + w2x2) - 뉴런에서 보내온 신호의 총합이 정해진 한계를 넘어설 때만 1을 출력 - 한계..

2024.8.308장 영상 매칭과 추적영상 매칭이란 서로 다른 두 이미지를 비교해서 짝이 맞는 같은 형태의 객체가 있는지 찾아내는 기술을 말합니다.이미지에서 객체를 찾는 방법은 이미지에서 의미 있는 특징들을 적절한 숫자로 변환하고 그 숫자들을 서로 비교해서 얼마나 비슷한지 판단하는 것입니다.쉽게 말해 두 이미지 간 유사도를 측정하는 작업입니다. 특징을 대표할 수 있는 숫자를 특징 벡터 혹은 특징 디스크립터라고 합니다.이미지 매칭은 큰 주제이므로 이에 대해서는 앞으로 계속 포스팅할 예정입니다. 8.1 비슷한 그림 찾기8.1.1 평균 해시 매칭 평균 해시 매칭은 이미지 매칭의 한 기법인데, 효과는 떨어지지만 구현이 아주 간단합니다.평균 해시 매칭은 특징 벡터를 구하기 위해 평균값을 사용합니다.우선, 두 이미..