반응형
**딥러닝(Deep Learning)
- 딥러닝은 머신러닝 알고리즘 중 하나인 인공신경망을 다양하게 쌓은 것
- 인공신경망을 여러 겹으로 쌓으면 딥러닝
왼쪽이 러닝머신을 표현한 그림이라면
오른쪽이 딥러닝을 표현한 그럼이라 볼수 있다 .
딥러닝은 머신러닝이 처리하기 어려운 데이터(비정형 데이터)를 더 잘 처리
머신러닝은 2차원 데이터밖에 처리는 못한다 .
그래서 이미지나 음성등 3차원 데이터는 딥러닝을 통해 학습 시킨다 .
** 딥러닝의 단점은?!!
딥러닝이 더 복잡한 학습을 한다고 단점이 없는 것은 아니다 .
- 학습을 위해 상당히 많은 양의 데이터를 필요로 함
- 계산이 복잡하고 수행시간이 오래 걸림
- 이론적 기반이 없어 결과에 대한 장담이 어려움
- 블랙 박스 접근 방식
이런 단점들이 있다 .
딥러닝은 어떤 분야건 상관없이 많은 곳에서 사용할 수 있다 .
그래서
어떻게 딥러닝을 해야하나?!
딥러닝으로 학습하는 과정은
- 미니배치학습을 위한 데이터셋을 구성
- 딥러닝 모델인 인공신경망을 구현
- 우리가 풀고자하는 문제에 맞는 손실함수 사용
- 경사하강법에 문제를 보완하기 위해 적절한 옵티마이저를 선택(adam사용)
- 학습 과정
- 데이터셋을 딥러닝 모델에 넣는다.
- 예측 결과에 대한 손실을 구한다.
- 역전파를 통해 모델 가중치의 기울기를 구한다.
- 옵티마이저를 이용하여 모델 가중치를 업데이트한다.
이런 과정으로 학습을 해서
손실 값이 최소화 되도록 하는 가중치(weight)와 편향(bias)를 찾는 것이 학습과정의 목표 !!
반응형