꿈이 너무 많은 한 대학생의 공간

본 포스팅은 구름EDU 딥러닝 이론 및 파이썬 실습 (허민석) 을 참고하여 작성된 요약본입니다. 비전문가가 작성하였으므로 참고만 해주시길 부탁드립니다. 1. 딥러닝이란? 딥러닝이란 다양한 머신러닝 기술 중 하나이다. 우리의 뇌 속 실제 뉴런 세포를 가져온 것이다. 실제 뉴런의 구조는 가지 돌기 - 신경 세포체 - 축삭 돌기로 이루어져 있는데 가지 돌기에서 어떠한 신호를 받으면 그 신호를 계산해 또 다른 한 가지 신호를 만들어 축삭 돌기로 전달한다. 이러한 방식으로 사람의 뉴런이 구성되어 있는데, 실제 딥러닝에서 사용되는 뉴런 구조와 유사하다. 어떠한 x값을 받았을 때, 지정된 가중치 값(w)를 곱한 값과 b(편향)을 더한 후 Activation Function(활성 함수)에 넣어 0인지 1인지를 판단해 ..

1. 퍼셉트론이란? 퍼셉트론(Perceptron)은 프랑크 로젠블라트가 고안한 알고리즘으로, 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 것을 말한다. 전류가 전선을 타고 흐르듯이 퍼셉트론도 신호가 흘러 하나의 신호로 앞으로 전달되게 된다. 퍼셉트론은 0과 1, 흐르지 않거나 흐르는 단 두가지의 값을 가지게 된다. x1 과 x2의 신호를 받아 x3에서 y 하나를 내보내는 하나의 퍼셉트론을 생각해보자. 이때 x1, x2, x3는 각각 뉴런, 혹은 노드 라고 불린다. 입력 신호가 뉴런에 보내질 때에는 각각의 신호에 가중치가 곱해진다. 노드는 가중치가 곱해진 신호들이 일정한 한계를 뛰어넘게 되면 1을 출력해 신호를 내보낸다. 이때 일정한 한계를 임계값 이라고 하며, 기호 세타(θ) 를 통해 나타낸다. ..

1. 산술 연산 print(1-2) # -1 print(1+2) # 3 print(1*2) # 2 print(1/2) # 0.5 파이썬에서는 간결하게 사칙연산을 할 수 있습니다. 2. 자료형 print(type(10)) # class 'int' print(type(2.718)) # class 'float' print(type("Hello World")) # class 'str' 위와 같이 빠르게 타입을 확인할 수 있습니다. 3. 변수 x = 10 print(x) # 10 x = 100 print(x) # 100 y = 3.14 print(x*y) # 314.0 변수를 선언해 값을 대입하고 연산할 수 있습니다. 또한 다른 언어와는 다르게 변수의 타입을 설정할 필요가 없으며 대입된 값에 따라 자동으로 타입이..

오늘 갑자기 코로나19 API를 이용하고 싶어서 이를 이용한 디스코드 봇을 제작하였습니다. 전 포스팅에서 자체 제작했던 "보건복지부 파싱 코로나 API" (http://dev.api.corona.koreal.io/all) 를 사용했습니다. Discord.js 모듈을 이용해 Javascript로 제작했습니다. request 모듈을 이용해 API 서버에서 body를 긁어오고, 파싱해 Embed 로 띄우는 형식입니다. - ! 입력시 ! 를 입력하면 아무 명령어를 입력하지 않은 것으로 간주해 명령어를 모른다면 !help 또는 !도움말을 쳐달라고 메세지를 띄웁니다. - !도움말 (!help) 입력시 코로나봇 사용법을 가져옵니다. Discord.MessageEmbed 를 사용해 가져옵니다. - !코로나 입력시 국내..

축하합니다! 본 강좌를 모두 끝마치셨습니다. Tensorflow 를 통해 MNIST 데이터셋을 학습하고, 모바일 앱에 배포하는 법까지 알게되었죠. 후속 강좌들 - Tensorflow Lite는 iOS 기기나 리눅스나 마이크로컨트롤러에서 구동되는 기기도 지원합니다. iOS 버전의 숫자 인식기도 확인해보세요. (https://github.com/tensorflow/examples/tree/master/lite/examples/digit_classifier/ios) - 머신러닝과 Tensorflow 에 대해 더 깊게 이해하고 싶다면, 우리의 학습 강좌를 수강해 보세요!(https://www.coursera.org/learn/introduction-tensorflow) - 또한 우리의 Tensorflow Lit..

이전 과정에서는, 우리는 MNIST 데이터셋을 이용해 숫자를 인식하는 모델을 훈련시켰습니다. 우리는 98%의 정확도를 달성할 수 있었지만, 안드로이드 앱에서 테스트할때는 아마 문제점을 느꼈을 것 입니다. 비록 앱이 그려진 숫자를 인식할 수 있어도, 정확도는 아마도 98%보다 낮을 것 입니다. 이번 과정에서는, 정확도 하락의 문제점과 확대된 데이터를 사용해 정확도를 향상시켜 볼 것입니다. 준비 Tensorflow 와 기타 라이브러리를 설치하는 것으로 시작해 봅시다. import tensorflow as tf from tensorflow import keras import matplotlib.pyplot as plt import numpy as np import pandas as pd import rando..

아마도 그린 것을 기대한 만큼 정확히 인식하지 않는 것을 알아차렸을 것입니다. 이 과정에서는, 머신러닝 모델이 테스트중에는 얼마나 잘 되는지와 배포를 했을때는 얼마나 성능이 안좋은 지 알게 될 것입니다. 그리고 우리는 데이터 양을 확대하면서 정확도를 어떻게 증가시키는지 확인해 볼 것입니다. https://colab.research.google.com/github/tensorflow/examples/blob/master/lite/codelabs/digit_classifier/ml/step7_improve_accuracy.ipynb 이 과정이 끝나고 나면, 우리는 모바일 앱에 다시 배포할 수 있을 정도의 향상된 Tensorflow Lite 숫자 인식 모델을 만들게 될 것입니다. 본 강의는 구글의 Codela..

이제 안드로이드 에뮬레이터 또는 실제 안드로이드 기기에 배포하고 테스트해봅시다. 1. 안드로이드 스튜디오 툴바에 있는 Run (초록색 화살표 버튼) 을 클릭하세요. 2. 캔버스에 아무거나 그려보고 앱이 숫자를 인식할 수 있는지 없는지 확인하세요. 본 강의는 구글의 Codelab 강의 중 "Build a handwritten digit classifier app with Tensorflow Lite" 강의를 번역할 것이며, 제가 직접 번역하였기에 오역과 의역이 있음을 알립니다.