728x90

MNIST 2

[인공지능] 5장. 딥러닝과 텐서플로1

▶5.1 딥러닝의 등장 1980년대의 깊은 신경망 - 구조적으로는 쉬운 개념이다. - 다층 퍼셉트론에 은닉층을 많이 두면 깊은 신경망 - 하지만 학습이 잘 안 된다. - 그레이디언트 소멸 문제 - 작은 데이터셋 문제 - 과다한 계산 시간 5.1.1 딥러닝의 기술 혁신 딥러닝은 새로 창안된 이론이나 원리는 빈약하다. - 신경망의 구조와 동작, 학습 알고리즘의 기본 원리는 거의 동일하다. 딥러닝의 기술 혁신 요인 - 값싼 GPU 등장 - 데이터셋 커짐 - 학습 알조리즘의 발전 - ReLU 활성 함수 - 구제 기법 - 다양한 손실 함수와 옵티마이저 개발 학술적인 측면의 혁신 사례 - 컨볼루션 신경망이 딥러닝의 가능성을 열었다. - 1990년대 LeCun은 필기 숫자에서 획기적인 성능 향상 - AlexNet은 ..

[인공지능] 3장. 기계 학습과 인식1

복습하기 위해 학부 수업 내용을 필기한 내용입니다. 이해를 제대로 하지 못하고 정리한 경우 틀린 내용이 있을 수 있습니다. 그러한 부분에 대해서는 알려주시면 정말 감사하겠습니다. ▶3.1 기계학습 기초 기계학습에서 데이터의 중요성 - 에너지를 만드는 연료에 해당한다. - 데이터가 없으면 기계학습 적용이 불가능하다 가장 단순한 iris 데이터로 시작한다. 데이터 셋 읽기 - 사이킷런(scikit-learn) 라이브러리 설치한다. - pip install scikit-learn 명령어로 라이브러리 설치한다. 3.1.1 iris 데이터셋 읽기 from sklearn import datasets # iris 데이터셋 불러오기 d = datasets.load_iris() # 내용을 출력 (객체 d의 DESCR 변..

728x90