[python/딥러닝] 딥러닝 시작하기

 

딥러닝이란?

---

기계 학습의 한 분야 중 인공신경망을 이용한 학습으로,

Deep Neural Network를 여러 개의 은닉층(hidden layer)으로 구성된 모델을 학습시키는 방법이다.

데이터(입력값)와 해답(출력값)을 가지고 규칙(모델)을 산출하여 가중치 값을 찾으며, 가중치는 여러개 일 수도 있으며

학습의 최종 목표는 최적의 가중치 값을 찾는 것이다.

 

 

딥러닝 절차

---

1. 데이터 로드 및 전처리

• reshape( )
• flatten( )
• 정규화
• to_categorical( ) -> one-hot 인코딩

2. 네트워크 모델 설계 (뉴런 네트워크 모델 아키텍처 설계)

• model = model.Sequential( )
• model.add( layers.Dense( 512, activation=' ', input_shape=( , , )
• model.compile( optimizer, loss, metrics  )
• model.summary( )

3. 모델 훈련

• model.fit( train_images, train_labels, epochs, batch_size )

4. 모델 예측 및 평가

• model.evaluate( )
• model.predict( )

 

실습하기

---

github.com/mafls122/TIL/blob/main/Deep%20Learning/20210228_DL.ipynb

 

용어 정리

---

• 가중치(weight) : 입력 신호의 강도를 표현
• 과적합(Overfitting) : 훈련 데이터에 너무 최적화함으로 인해 일반화 성능이 떨어져 융통성이 없어지는 현상
• 최적화 기법(Opimizer) : 최적의 가중치를 도출하도록 하는 방법이다.
• 활성화 함수(activation function) : 단일 노드에 여러 신호가 들어오면 다음 레이어에 보낼 신호의 강도를 결정하는 역할을 한다. ex) reLU, softmax, sigmoid
• 손실(loss) : 실제 데이터의 정답과 모델에 의해 생성된 정답의 차이로 손실이 적을수록 좋은 모델이다.
• 전결합층(Dense) : 입력 뉴런과 출력 뉴런을 모두 연결하는 역할을 한다.
• Gradient Descent : 손실 함수(loss function)의 미분(Gradient)을 이용하여 최적의 가중치(weight) 값을 찾는 과정
• 오차역전파(Back Propagation) : Gradient Descent 알고리즘을 이용하며, 손실(loss)로부터 거꾸로 한 단계씩 미분값을 구하고 계산해나가면서 가중치에 대한 미분을 구하고 가중치를 업데이트한다.