모두를 위한 딥러닝 기초 - (1) 머신러닝의 개념과 용어

Intro

음성 관련 머신러닝 졸업프로젝트를 진행하면서 꾸역꾸역 얻어걸리는 방식으로 코드를 돌려보다가 딥러닝 개념에 대한 구체적인 이해 없이는 도저히 진행할 수 없는 상황에 이르렀다..

흔들리는 기반 위에서 모래성을 쌓다가 어느 한 군데가 막히면 와르르 무너질 것 같은 기분…?ㅋㅋ

다시 기초로 돌아와서 빠르게 딥러닝의 기본을 공부하기로 했다.

인프런-모두를 위한 딥러닝 강좌를 공부하기로 했고, 공부하는 김에 직접 돌려본 코드로 정리도 해보자!

머신러닝의 용어와 개념 설명

"머신 러닝이란 (모든 가능한 상황에 대한) 구체적인 프로그래밍 없이 컴퓨터에게 배울 수 있는 능력을 준 것이다." - Arthur Samuel(1959)

학습 방법에 따른 분류

1. Supervised Learning

• data(X)에 대한 정답값(Y)이 labeled 된 training data set으로 학습한다.
  • Image Labeling : 개/고양이 사진 구분하기
  • 스팸메일 필터링
  • 알파고
• label/예측값에 따른 Model 종류
  • Regression : label/prediction 이 어떤 범위 내의 모든 값이 될 수 있다.
  • binary classification : label/prediction이 2개
  • multi-label classification : label/prediction이 여러개

2. Unsupervised Learning

• labeled 되지 않은 training data set으로 학습한다.
• GAN 등등 (이걸 이용해서 프로젝트를 진행하려다가 너무 어려워서 포기했었다..)

Tensorflow의 설치

• Tesorflow : dataflow graph를 사용해서 숫자 계산을 하는 구글에서 만든 머신러닝 라이브러리

dataflow graph가 뭐지?

• Dataflow graph
  • Node : 수학적 operation
  • Edge : multi-dimensional data array (=tensors) 들이 노드와 노드 사이를 돌아다닌다.
• tensorflow 설치 방법

  pip install --upgrade tensorflow
  

Tensorflow의 기본적인 operation

• tensorflow mechanics 순서

1. 노드와 엣지로 그래프를 build한다.
2. session.run(op) 를 통해 그래프에 data(tensor)가 흐르게 해준다.
3. 그 결과로 그래프의 변수들을 업데이트하거나 값을 반환한다.

import tensorflow as tf

node1 = tf.constant(3.0)
node2 = tf.constant(4.0)

session = tf.Session() #세션열고

node_add = tf.add(node1, node2)
node_sub = node2 - node1 # 이렇게도 노드 생성 가능

print(session.run([node1, node2])) #[3.0, 4.0] 
#session.run()에는 리스트 등 하나의 객체만 들어와야함
print(session.run(node_add)) #7.0
print(session.run(node_sub)) #1.0

• 런타임에 텐서 값들을 던져주고 싶을 때 = tf.placeholder()

import tensorflow as tf

node1 = tf.placeholder(tf.float32)
node2 = tf.placeholder(tf.float32)

node_add = node1 + node2

session = tf.Session() #세션열고
print(session.run(node_add , feed_dict={node1:[2, 3.2], node2:[4.2, 9]})) # [ 6.2 12.2]

tensors의 shape 이해하기

텐서플로를 하다보면 shape이 맞지 않아서 계속 오류가 난다..

rank와 shape을 어떻게 계산하는지 알아보자!

• rank = 차원 계산하는 방법
  • 처음부터 원소data 가 나올 때까지 [가 몇 개 나오는지 센다.

[1,2,3,3,2] # rank 1
[[4,6],[2,1]] # rank 2
[[[[[1,2,3]]]]] # rank 5

• shape 계산하는 방법
  • shape은 rank 만큼의 원소개수를 가지고 있다.
  • shape 쓰는 순서는 오른쪽부터 왼쪽으로
  • 원소data가 나오는 안 쪽까지 쭉 들어간 후 첫 ] 가 나오기 전까지의 원소 개수를 세서 맨 오른쪽에 써준다.
  • 그 한 묶음이 가장 가까운 외부 [] 안에 몇 개 들어가는지 세서 왼쪽에 써준다.
  • 또 그 한 묶음이 가장 가까운 외부 [] 안에 몇 개 들어가는지 세서 왼쪽에 써준다.

[1,2,7] # shape [3]
[[1,2,3],[5,6,7]] # shape [2,3]
[[[1,3,4]],[[8,6,9]]] # shape [2,1,3]