우주먼지의 하루

#학습 시, 20% 드롭아웃이 적용 tf.keras.layers.Dropout(rate=0.2, input_shape=(2,)) # rate : 드롭아웃을 적용할 확률을 지정한다. (0~1 사이의 값 지정) # (ex : dropout=0.2로 지정 시 전체 입력 값 중 20%를 0으로 만듦) #noise_shape : 정수형의 1D-tensor 값을 받는다. 여기서 받은 값은 shape을 뜻하는데, 이 값을 지정함으로써 특정 값만 드롭아웃을 적용할 수 있다. #(ex : 입력값이 이미지일 경우 noise_shape을 지정하면 특정 채널에만 드롭아웃 지정 가능함) #seed : 드롭아웃의 경우 지정된 확률 값을 바탕으로 무작위로 드롭아웃을 적용하는데, # 이때 임의의 선택을 위한 시드 값을 의미한다. #..

딥러닝 모델의 구성 요소 먼저 앞에 배웠떤 이름을 정확하게 짚고 넘어가야할 것 같아 정리 겸 ?! 개요 글 입니다. 보라색 원형 그림이 Node/Unit이라고 부르고, 이것은 각 층을 구성하는 요소입니다. Node를 이어주는 선을 가중치라고 부르고, 이것은 노든 간의 연결 강도입니다. Layer는 점선 네모네모 인데 각 모델을 구성하는 층을 의미합니다. 입력층과 출력층을 제외하고는 Hidden Layer라고 불립니다. 관련 내용은 딥러닝 개론(퍼셉트론, 다층 퍼셉트론) 글에 적어놓았으니 참고하시면 됩니다. 딥러닝 모델의 학습 방법 딥러닝 모델은 예측값과 실제값 간의 오차값을 최소화하기 위해 오차값을 최소화하는 모델의 인자를 찾는 알고리즘을 적용시키는 것입니다. Loss Function을 최소화하는 가중치..

딥러닝이란 ? 머신러닝의 여러 방법론 중 하나로 인공신경망에 기반하여 컴퓨터에게 사람의 사고방식을 가르치는 방법입니다. 생물학의 신경망에서 영감을 얻은 학습 알고리즘으로 사람의 신경 시스템을 모방했습니다. 1958년에 딥러닝의 기초 개념인 Perceptron의 연구가 시작되었습니다. 퍼셉트론으로, AND,OR,NAND 같은 선형문제는 풀수 있었지만 XOR 같은 비선형 문제는 해결할 수 없었고, 대부분의 데이터는 선형보다 비선형 형식으로 분포되어 있어 문제가 있었습니다. 이러한 문제로 인공지능 연구가 끊기게 되고 1969년 딥러닝의 첫번째 빙하기가 찾아오게 됩니다. 1986년 인공지능의 첫 번째 빙하기를 깨고 인공지능의 부활을 알린 사람이 있었으니 바로 딥 러닝의 아버지라 불리는 제프리 힌튼(Geoffre..