인공지능 (13) 썸네일형 리스트형 TensorFlow 함수형 API 로 VGGNet 논문 구현 VGGNet (2014)16~19개의 깊은 층을 쌓아 네트워크의 깊이와 성능 간의 관계를 조사3x3 Convolution Layer 를 여러 개 쌓는 단순하고 일관된 구조를 사용K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," in International Conference on Learning Representations (ICLR), 2015.주요 특징단순한 구조:VGGNet의 구조는 매우 단순합니다. 3x3 크기의 작은 필터를 사용하는 합성곱 층(convolutional layer)과 최대 풀링 층(max pooling layer)을 깊게 쌓아 올린 형태로 설계되었습니다.. TensorFlow 사용자 정의 metric 만들기 개요케창딥 7장 내용 중 사용자 정의 metric 만들기에 대한 실습과 디버깅 과정을 기록합니다. 사용자 정의 metric 만들기개념함수형 정의 방법과 클래스 정의 방법 2가지가 있습니다.클래스 정의 방법은 tf.keras.metrics.Metric 클래스를 상속받아 사용자 정의 metric 을 정의할 수 있습니다.이 방식은 상태(state)를 저장하고, update_state, result, reset_states 메서드를 구현하여 유연하게 동작 합니다. 코드 예제 import tensorflow as tf# 사용자 정의 메트릭 클래스class CustomMetric(tf.keras.metrics.Metric): def __init__(self, name="custom_metric", **kwa.. VGG16 을 이용한 Transfer Learning 실습 개요AI프로그래밍 수업에서 실습한 내용으로 kaggle 의 Covid Patients Chest X-Ray dataset 을 이용하여 VGG16 을 Transfer Learning 으로 학습한 모델과 비교 합니다. import numpy as npimport torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transformsfrom torchvision import datasets, modelsfrom torch.utils.data import DataLoaderimport torch.optim as optimimport matplotlib.pyplot as plt COVID datasethttps://www.kag.. 도메인에 맞는 AI 지능화 전략 (자율주행 보안) 개요산업지능화전략및활용 수업에서 도메인에 맞는 지능화 전략 문제를 생각 해보고 AI 과제 발굴 및 적용 절차에 대해 정리 하였던 내용을 기록한다. 도메인에 맞는 지능화 전략자율주행 자동차의 보안 강화를 위한 IDS(Intrusion Detection System) 개발을 도메인으로 하는 지능화 전략에 대해 다음과 같이 생각해 보겠습니다.1. 지능화의 주체 : 도메인 전문가, 인공지능 전문가, 관리자 간의 협력자율주행 자동차의 IDS 개발에서 지능화의 주체는 도메인 전문가(자동차 보안 엔지니어, 차량 네트워크 전문가) 와 인공지능 전문가(머신러닝/딥러닝 엔지니어)간의 협력입니다.도메인 전문가는 자율주행 자동차의 통신 구조, CAN 버스(CAN Bus) 와 같은 내부 네트워크의 특성을 깊이 이해하고 있어, .. Vanishing Gradient 와 Dead Neuron 개요두 문제는 인공 신경망에서 학습을 방해하는 중요한 문제로, 각기 다른 메커니즘과 원인에서 발생합니다. 문제의 원인과 차이점을 명확히 알아보겠습니다. 1. Vanishing Gradient 문제정의: 역전파(backpropagation) 과정에서 가중치 업데이트를 위한 gradient(기울기)가 층을 지나면서 점점 작아져, 최종적으로는 거의 0에 가까워지는 문제를 말합니다. 이로 인해 네트워크의 초기 층은 거의 학습되지 않게 됩니다.발생 원인: 주로 sigmoid 또는 tanh 같은 활성화 함수에서 발생하며, 이 함수들은 특정 입력 값에서 기울기가 매우 작기 때문에 역전파 과정에서 gradient 가 소멸하는 경향이 있습니다.영향: gradient 가 소멸되면서 가중치 업데이트가 제대로 이루어지지 않아.. 이전 1 2 다음
