[DeepSleep] 딥러닝 스터디 2주차

💡 Summary

• 2주차 스터디 : CNN 개념 + 모델 구현 (tensorflow / pytorch)

💡 스터디 자료

• 부스트코스 파이토치로 시작하는 딥러닝 기초
• 부스트코스 텐서플로우로 시작하는 딥러닝 기초

💡 2주차 스터디 내용

1️⃣ CNN 이란?

CNN(Convolutional neural network) : 합성곱 신경망(Convolutional neural network, CNN)은 시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류이다. 딥 러닝에서 심층 신경망으로 분류되며, 시각적 영상 분석에 주로 적용된다. - 위키백과

• 기본 용어
  • Convolution : 이미지 위에서 stride 값 만큼 filter(kernel)을 이동시키면서 겹쳐지는 부분의 각 원소의 값을 곱해서 모두 더한 값을 출력으로 하는 연산
  • Stride : filter 를 한번에 얼마나 이동할 것인가
  • Padding : 이미지 경계 부분에 픽셀들을 덧붙이는 것

출처 : https://d2l.ai/chapter_convolutional-neural-networks/conv-layer.html

• 주요 구성 요소
  • Fully-Connected Layer : 주어진 입력의 전체 부분과 내적 연산
  • Convolution Layer : 주어진 입력의 작은 부분과 내적 연산 (이미지의 공간적인 의존성을 반영할 수 있음)
  • Pooling Layer : 주어진 입력을 downsampling 하는 것

cnn 구조 예시

2️⃣ CNN 모델 구현

📌프로젝트 목표

• CNN 설계를 통한 이미지 분류기 완성
• 데이터 증식(data augmentation) 적용
• 학습된 모델 저장 및 로드
• 전이학습(transfer learning) 구현

프로젝트 목표

📌 소스코드

• 2021-DeepSleep-DL-Study/Week2-CNN

📌 문제점

• 저번주와 비슷하게 tensorflow 로 작성한 코드에서는 요구한 성능을 만들었음에도 성능 체크가 통과되지 않았다. 강의 게시판에 같은 문제가 있는 사람들이 있어서 해결 방법을 찾는 중이다.

💡 다음 주에 할 일

• RNN 개념 공부 및 모델 구현