수달이네 기술 블로그

손글씨로 그려진 도형 셋을 분류하는 CNN모델을 만들것이다.import torchimport torch.nn as nnimport torch.optim as optimimport torchvisionimport torchvision.transforms as transformsfrom torch.utils.data import Dataset, DataLoaderimport matplotlib.pyplot as plt사용할 모듈 리스트이다.transform = transforms.Compose([ transforms.Resize((28, 28)), transforms.Grayscale(1), transforms.RandomInvert(1), transform..

구현이미지 입력import torchimport torch.nn as nnimport torch.optim as optiminputs = torch.Tensor(1,1,28,28) # (배치크기, 채널, 높이, 너비)print(inputs.shape)입력값은 Tensor로 넣어줄 때, (배치크기, 채널(그레이스케일이므로 1), 높이, 너비 로 입력된다.RGB의 경우 3, 그레이스케일 1지금은 28281의 이미지가 1개 있다는 이야기, 만약 이걸 30장 넣으면 배치크기가 30 (한번에 넣는 크기)Conv1conv1 = nn.Sequential( nn.Conv2d(in_channels=1, out_channels=32, kernel_size=3, stride = 1, padding='same'), ..

CNNCNN은 이미지나 비정형 데이터의 패턴을 학습하고 분석하는데 사용되는 딥러닝 모델이전 선형 모델에 비해 CNN은 합성곱 계층 (convolutional layer)를 사용한다.계층합성곱 계층(convolutional layer): 커널을 통해 입력 데이터에서 중요한 특징(에지, 모양)을 추출한다.풀링 계층(pooling layer): 차원을 축소하고, 계산 효율을 높인다.완전 연결 계층(fully connected layer): 특정 클래스, 값을 예측한다.특징이미지 분류, 객체 탐지, 영상 처리등 다양한 분야에서 높은 성능을 발휘한다.이미지의 공간적 관계를 보존하며 학습할 수 있는 강점을 가진다.지금도 쓰일 정도영상처리에서 CNN을 사용하는 이유는?이미지를 분석하는데 적합한 구조작은 필터로 이미지..

Alexnet: https://papers.nips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf지금 사용하진 않지만, 이후 모델들에 사용하는 이론들이 있다.Alexnet은 2012년도 ILSVRC에서 우승한 딥러닝 모델, 딥러닝의 대중화를 이끈 합성곱 신경망(CNN)이다.8개의 레이어(5개의 Conv layer, 3개의 fully-connected layer)ReLU 활성화함수dropout데이터증강(data augmentation)과적합을 방지하고, 학습성능을 향상gpu병렬연산으로 1000개의 클래스 분류문제 top-1, top-5 error rates가 각각 37.5%, 17.5%로 뛰어난 성능형태는 그대로, 숫자만 바꿔서 구현Image..

머신러닝 vs딥러닝머신러닝: 특징추출, 다운스트림 작업이 분리되어있음.전체 시스템 자체로 하는 머신러닝은 없음.딥러닝: 다층 신경망으로 특징추출, 다운스트림 작업을 결합함.특징추출 또한 모델에 의해 학습되므로 수작업으로 특징을 만들 필요 없음.컨볼루션두 함수를 결합하여 세번째 함수를 생성하는 수학적 연산이미지 처리: 전체 이미지에서 각 픽셀과 그 이웃 픽셀에 커널을 적용해 이미지를 변환하는 프로세스딥러닝: 이미지 입력에서 특징을 추출하기 위해 신경망에 컨볼루션 연산 수행(계층적 표현 생성)이미지 처리에서의 공식은 아래와 같다.(I * K)(i, j) = ∑∑ I(i-m, j-n) K(m, n)I는 입력 이미지K는 컨볼루션 커널(필터)(i, j)는 출력 이미지의 픽셀 좌표(m, n)은 커널 내의 좌표영상 ..

ANN알고리즘을 배우던 중 문득 이런 생각이 들었다. 왜 딥러닝 알고리즘들은 모두 숫자가 가까워지는 식으로 표현할까? 생각해보면 LLM이나 다른 vision계열의 AI들도 모두 숫자로 모든 것을 표현한다. 난 이것이 이해가 가지 않았다. 그래서 알아보기 시작한다. 1. 본질적인 문제. 딥러닝 알고리즘은 본질적으로 수학적 모델이다.  한마디로 데이터를 입력받고, 패턴을 학습하고, 결과물을 예측하고, 분류하는 모든 과정이 숫자로 이루어져 있다는 것이다. 가장 큰 이유는 컴퓨터 자체가 0과 1로 이루어진 이진 데이터를 기반으로 작동하기 때문이었다. - 이미지(VISION Model) 이미지의 경우도 숫자로 표현할 수 있다. 이미지를 픽셀단위로 볼때 흑백이미지를 예시로 들 경우 픽셀 하나가 0(흑)~255(백)..