GDG DevFest 2017 Seoul 블록과 함께하는 파이썬 딥러닝 케라스
•
1 like•486 views
딥러닝 라이브러리으로 텐서플로우가 널리 알려져 있지만 입문자가 사용하기에는 조금 까다로운 부분이 있습니다. 비전공자라도 쉽게 딥러닝 모델을 구현할 수 있도록 개발된 하이레벨 딥러닝 라이브러리인 케라스는 직관적일 뿐만 아니라 다양한 레이어를 제공하고 있어 기초적인 모델부터 복잡한 최신 모델까지 쉽게 구현이 가능합니다. 본 발표에서는 케라스에 대해서 간단히 소개하고, 딥러닝 레이어 개념을 손에 잡히는 실체로 단순화 시킨 '블록’에 비유하여 설명합니다. 또한 기본적인 딥러닝 모델에 대해 블록을 쌓아보고 케라스 코드로도 같이 매칭시켜보면서 딥러닝의 기초적인 개념을 익히는 것은 물론 자신의 데이터로 바로 학습시켜볼 수 있는 딥러닝 모델 소스코드를 머리에 담아가실 수 있습니다.
Recommended
More Related Content
Similar to GDG DevFest 2017 Seoul 블록과 함께하는 파이썬 딥러닝 케라스
Similar to GDG DevFest 2017 Seoul 블록과 함께하는 파이썬 딥러닝 케라스 (20)
GDG DevFest 2017 Seoul 블록과 함께하는 파이썬 딥러닝 케라스
- 1. 김태영 CTO, InSpace Co,. Ltd. Taeyoung Kim 블록과 함께하는 파이썬 딥러닝 케라스
- 7. 목차 딥러닝 이야기 케라스 이야기 레이어 개념잡기 레시피 따라해보기
- 8. 딥러닝 이야기
- 9. = × +
- 10. = × +실측값 ^ = × + ^ 예측값 우리가 구하고자 하는 것은...
- 11. = × +실측값 ^ = × + ^ 예측값 우리가 구하고자 하는 것은... 입니다. ^
- 12. = × +실측값 ^ = × + ^ 예측값 자 그럼 우리에게 주어진 데이터란...
- 13. = × +실측값 ^ = × + ^ 예측값 자 그럼 우리에게 주어진 데이터란... , , 입니다. ^
- 14. = × +실측값 ^ = × + ^ 예측값 그럼 우리가 알아야 하는 것은...
- 15. = × +실측값 ^ = × + ^ 예측값 그럼 우리가 알아야 하는 것은... 아래에 있는 와 입니다.
- 16. = × +실측값 ^ = × + ^ 예측값 실측값으로 알아내야 되는 것은...
- 17. = × +실측값 ^ = × + ^ 예측값 실측값으로 알아내야 되는 것은... 위의 와 입니다.
- 18. = × +실측값 ^ = × + ^ 예측값 그럼 드디어 을 구할 수 있습니다. ^
- 19. 3 = × 1 + 와 를 구해봅시다.
- 20. 3 = × 1 + 와 를 구해봅시다. 가능한 와 가 너무 많습니다.
- 23. 3 = × 1 + 와 를 구해봅시다. 5 = × 3 +
- 26. 3 = × 1 + 와 를 구해봅시다. 와 가 뭔지 알겠네요. 5 = × 3 +
- 27. 3 = × 1 + 와 를 구해봅시다. 와 가 뭔지 알겠네요. 5 = × 3 + 5 = × 4 +
- 33. ⊗ ⊕ = × + 우리가 와 를 구해봅시다.
- 34. 수식으로 나이스하게 풀던 지
- 35. 또는 모두 넣어보던지
- 36. 만약 이런 모델이라면,
- 37. 와 는 딥러닝 모델이 알아서 구해줍니다. = × + ⊕ ⊗ 0 0 ⊗ ⊕ ⊗ 1 1 ⊗ 2 2 ⊕ ⊕
- 38. 케라스 이야기
- 39. ● 데이터셋 준비하기 ● 모델 구성하기 ● 모델 엮기 ● 모델 학습시키기 ● 모델 사용하기 ○ 필요한 훈련셋, 검증셋, 시험셋을 준비합니다. ○ 딥러닝 모델의 학습 및 평가를 할 수 있도록 포맷 변환을 합니다.
- 40. ● 데이터셋 준비하기 ● 모델 구성하기 ● 모델 엮기 ● 모델 학습시키기 ● 모델 사용하기 ○ 시퀀스 모델을 생성한 뒤 필요한 레이어를 추가하여 구성합니다. ○ 좀 더 복잡한 모델이 필요할 때는 케라스 함수 API를 사용합니다.
- 41. ● 데이터셋 준비하기 ● 모델 구성하기 ● 모델 엮기 ● 모델 학습시키기 ● 모델 사용하기 ○ 학습하기 전에 학습에 대한 설정을 수행합니다. ○ 손실 함수 및 최적화 방법을 정의합니다. ○ 케라스에서는 compile() 함수를 사용합니다.
- 42. ● 데이터셋 준비하기 ● 모델 구성하기 ● 모델 엮기 ● 모델 학습시키기 ● 모델 사용하기 ○ 훈련셋을 이용하여 구성한 모델로 학습시킵니다. ○ 케라스에서는 fit() 함수를 사용합니다.
- 43. ● 데이터셋 준비하기 ● 모델 구성하기 ● 모델 엮기 ● 모델 학습시키기 ● 모델 사용하기 ○ 훈련셋을 이용하여 구성한 모델로 학습시킵니다. ○ 케라스에서는 fit() 함수를 사용합니다.
- 44. ● 데이터셋 준비하기 ● 모델 구성하기 ● 모델 엮기 ● 모델 학습시키기 ● 모델 사용하기 ○ 학습한 모델을 사용합니다. ○ 평가를 한다면, 준비된 테스트셋으로 evaluate() 함수를 사용하여 평가합니다. ○ 예측을 하고자 한다면 predict() 함수를
- 46. 학습과정 이야기
- 47. 학습과정 이야기
- 48. 학습과정 이야기 배치사이즈 = 100
- 49. 학습과정 이야기 배치사이즈 = 10
- 50. 학습과정 이야기 배치사이즈 = 1
- 51. 학습과정 이야기
- 52. 데이터셋 이야기
- 53. 데이터셋 이야기
- 54. 데이터셋 이야기
- 55. 데이터셋 이야기
- 56. 레이어 개념잡기다층퍼셉트론 레이어 이야기
- 57. 다층 퍼셉트론 레이어 이야기
- 58. 다층 퍼셉트론 레이어 이야기
- 59. 다층 퍼셉트론 레이어 이야기
- 60. 다층 퍼셉트론 레이어 이야기
- 61. 다층 퍼셉트론 레이어 이야기
- 62. 참조 : 하용호님의 ‘네 뇌에 딥러닝 설치'
- 63. 다층 퍼셉트론 레이어 이야기
- 64. 이진분류를 하고 싶다면, 출력층 활성화 함수를 무엇으로 한다?
- 65. 시그모이드 이진분류를 하고 싶다면, 출력층 활성화 함수를 무엇으로 한다?
- 66. 다층 퍼셉트론 레이어 이야기
- 67. “소프트맥스” 다중클래스분류를 하고 싶다면, 출력층 활성화 함수를 무엇으로 한다?
- 68. 다층 퍼셉트론 레이어 이야기
- 69. 참조 : 하용호님의 ‘네 뇌에 딥러닝 설치'
- 70. 참조 : 하용호님의 ‘네 뇌에 딥러닝 설치'
- 71. 참조 : 하용호님의 ‘네 뇌에 딥러닝 설치'
- 72. 참조 : 하용호님의 ‘네 뇌에 딥러닝 설치'
- 73. “렐루” 은닉층 활성화 함수를 무엇으로 한다?
- 74. 다층 퍼셉트론 레이어 이야기
- 75. 다층 퍼셉트론 레이어 이야기
- 76. 다층 퍼셉트론 레이어 이야기 https://archive.ics.uci.edu/ml/datasets/Pima+Indians+Diabetes
- 77. 다층 퍼셉트론 레이어 이야기
- 79. 레이어 개념잡기컨볼루션 신경망 레이어 이야기
- 80. 컨볼루션 신경망 레이어 이야기
- 81. 컨볼루션 신경망 레이어 이야기
- 82. 컨볼루션 신경망 레이어 이야기
- 83. 컨볼루션 신경망 레이어 이야기
- 84. 컨볼루션 신경망 레이어 이야기 padding = ‘valid’ padding = ‘same’
- 85. 컨볼루션 신경망 레이어 이야기
- 86. 컨볼루션 신경망 레이어 이야기
- 87. 컨볼루션 신경망 레이어 이야기
- 88. 컨볼루션 신경망 레이어 이야기
- 89. 컨볼루션 신경망 레이어 이야기
- 90. 컨볼루션 신경망 레이어 이야기
- 91. 컨볼루션 신경망 레이어 이야기
- 92. 컨볼루션 신경망 레이어 이야기
- 93. 컨볼루션 신경망 레이어 이야기
- 94. 컨볼루션 신경망 레이어 이야기
- 95. 컨볼루션 신경망 레이어 이야기
- 96. 컨볼루션 신경망 레이어 이야기
- 97. 컨볼루션 신경망 레이어 이야기
- 98. 컨볼루션 신경망 레이어 이야기
- 99. 컨볼루션 신경망 레이어 이야기
- 100. 컨볼루션 신경망 레이어 이야기
- 101. 컨볼루션 신경망 레이어 이야기
- 102. 컨볼루션 신경망 레이어 이야기
- 103. 컨볼루션 신경망 레이어 이야기 http://tykimos.github.com/Keras/warehouse/2017-3-8_CNN_Getting_Started_handwriting_shape.zip
- 104. http://tykimos.github.com/Keras/ warehouse/2017-3-8_CNN_Get ting_Started_handwriting_shap e.zip
- 115. 레이어 개념잡기순환 신경망 레이어 이야기
- 116. 순환 신경망 레이어 이야기
- 117. 순환 신경망 레이어 이야기
- 118. 순환 신경망 레이어 이야기
- 119. 순환 신경망 레이어 이야기
- 123. 학습과 정
- 124. 예측과정 한 스텝 예측
- 125. 예측과정 곡 전체 예측
- 137. 레시피 따라해보기
- 138. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 154. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 172. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 193. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 199. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 208. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 214. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 224. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 235. 수치입력 수치예측 모델 수치입력 이진분류 모델 수치입력 다중클래스분류 모델 영상입력 수치예측 모델 영상입력 이진분류 모델 영상입력 다중클래스분류 모델 시계열수치입력 수치예측 모델 문장입력 이진분류 모델 문장입력 다중클래스분류 모델
- 246. 감사합니다