self-deep learning

포스팅을 시작하기에 앞서 수준 높은 강의와 강의 자료를 무료로 배포해주신 Stanford University CS231n 교수진께 감사의 말씀을 드립니다.  온라인 강의: https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk  강의 자료: https://cs231n.github.io K-Nearest Neighbor 의 단점 1.      모든 training data 를 항상 저장해야 한다 . 2.      Predict 를 수행할 때 모든 데이터와 비교 연산을 해야 한다 . >      컴퓨터의 자원을 너무 비효율적으로 사용 이를 해결하기 위해 training 후 도출된 함수를 이용하여 즉각적으로 input 에 따른 output 을 반환하는 알고리즘을 설계하고자 하는 필요성이 생김 . Linear Classification 먼저 가장 간단한 함수 형태인 일차식 형태로 문제를 해결 . f ( x i , W , b ) = W x i + b CIFAR-10 데이터에 따라 W 와 b 의 차원을 추적해보고자 합니다 . 먼저 결과값은 각 클래스에 대한 점수로 나타내는 것이 가장 직관적인 방법이겠죠 ? 이 중에서 가장 높은 점수를 가지는 객체가 결과값으로 반환이 될 것입니다 . 즉 결과값은 10*1 벡터 . Xi 는 하나의 이미지 데이터를 상징한다고 했을 때 32*32*3=3072*1 벡터입니다 . W*xi 를 통해 10*1 벡터를 만들어야 하므로 W 는 10*3072 벡터입니다 . b 는 10*1 벡터 F: R D ->R k (D: 데이터의 모든 정보 , k: 데이터 레이블의 가지 수 ) W: k*D 행렬 , xi: D*1 행렬 , b: K*1 행렬 (W: weight vector, ...

포스팅을 시작하기에 앞서 수준 높은 강의와 강의 자료를 무료로 배포해주신 Stanford University CS231n 교수진께 감사의 말씀을 드립니다.   온라인 강의: https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk   강의 자료: https://cs231n.github.io 참고) 위의 강의 자료 사이트(github)를 통해 들어가면 Assignment #1에서 과제 다운로드 및 drive mount에 관한 짧은 영상을 볼 수 있습니다. * 블로그 작성자 github 주소: https://github.com/withAnewWorld/JamesHanamura Assignment 구조 작성되어 있는 부분(파란색), 과제로 주어진 부분(빨간색)     - 데이터 전처리     - KNN 함수 작성         - train()          - compute_distance()          - predict_label(k )     - KNN의 성능(예측도)을 확인할 수 있는 부분     - distance의 loop에 따른 시간복잡도 측정     - Cross-validation     - k에 따른 성능 비교(시각화) 데이터 전처리 training image(X_train)은 총 5,000개의 이미지로 이루어져 있고 Test Image(X_test)는 총 500개의 이미지로 이루어진 것을 확인할 수 있습니다.  label(y_test, y_train)의 경우 'plane', 'car', 'bird'와 같이 string 타입으로 적혀있을 줄 알았는데 숫...

 포스팅을 시작하기에 앞서 수준 높은 강의와 강의 자료를 무료로 배포해주신 Stanford University CS231n 교수진께 감사의 말씀을 드립니다. 온라인 강의: https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk 강의 자료: https://cs231n.github.io Image Classification(이미지 분류)  Image Classification은 컴퓨터를 통해 이미지를 분류하는 작업입니다. 최근에는 AI를 통해 간단한 사진 분류는 인간보다 높은 정확도를 보이고 있으며 Stanford의 Fei-Fei Li 교수님께서는 이미지를 통해 이미지에서 어떠한 일이 일어나고 있는지 설명하는 단계까지 연구가 이루어지고 있습니다.  ex. 잔디밭 위 파란색 반바지와 하얀색 티셔츠를 입은 남성이 손으로 자신의 발을 잡은 채 몸을 스트레칭 하고 있습니다. 그의 앞에는 축구공이 있으며 배경으로 검은 옷을 입은 또 다른 사람이 잔디 위에 누워있습니다 등. 사진 출처: https://pixnio.com/ko/media/ko-2267795  Nearest Neighbor  그렇다면 컴퓨터를 통해 어떻게 이미지를 분류할까요? 사람의 눈으로 보기에 이미지를 분류하고 해석하는 것은 매우 쉬워 보이지만 눈을 가지고 있지 않은 컴퓨터에게 이 작업은 매우 어려워 보입니다. AI에 관하여 사전 지식이 없으시다면 대개 함수를 통해 주어진 이미지를 분류하고 해석하려고 시도하실 것입니다. 하지만 이 시도는 여러분이 생각하는 것처럼 어떠한 함수를 어떻게 생성해야 하며 설사 함수를 작성해도 변형된 사진 등에 잘 적용될지 의문이 듭니다. 이러한 패러다임을 깬 방법이 Data-driven approach로 수많은 이미지 데이터를 통해 새로운 이미지를 추측하는 방법입니다. 그렇다면 어떻게 수많은 이미지로 새로운 이미지의 la...