PyTorch 환경 구축 및 텐서 연산 기초
딥러닝 개요
인공지능은 크게 세 가지 발전 단계를 거쳤습니다. 초기에는 심볼릭 AI가 전문가 시스템으로 주류를 이루었으며, 이후 통계적 방법론이 발전했습니다. 2010년대 이후 신경망과 딥러닝이 부상하며 현재는 대규모 사전 학습 모델 시대에 접어들었습니다.
주요 딥러닝 프레임워크
TensorFlow, PyTorch, PaddlePaddle 등 다양한 프레임워크가 존재합니다. PyTorch ...
8월 16일 19:43에 게시됨
딥러닝에서의 단어 벡터 처리
단어 벡터 처리
1、코사인 유사도
2、단어 비교 작업
3、편향된 단어 벡터 제거
제5강: 시퀀스 모델
제2주: 자연어 처리와 단어 임베딩
단어 임베딩을 학습하는 데 드는 비용이 매우 크기 때문에, 대부분의 머신러닝 엔지니어들은 미리 학습된 임베딩 집합을 로드하여 사용합니다.
이 과제를 완료하면 다음을 수행할 수 있습니다:
1、미리 학습된 단어 벡터를 로드하고 코 ...
8월 13일 14:24에 게시됨
PyTorch를 활용한 MNIST 손글씨 숫자 인식 모델 구축
이 문서에서는 PyTorch 라이브러리를 사용하여 MNIST 손글씨 숫자 데이터셋을 분류하는 간단한 합성곱 신경망(CNN) 모델을 구현하는 과정을 다룹니다. 데이터 준비부터 모델 정의, 훈련, 평가 및 결과 시각화까지 전반적인 파이프라인을 설명합니다.
1. 환경 설정 및 데이터 준비
모델 훈련을 위한 환경을 설정하고 필요한 데이터를 로드합니다. GPU 사용 가능 여부를 확 ...
8월 7일 05:42에 게시됨
DeOldify 컬러라이제이션 기술의 품질 평가: 전문가 평가와 사용자 만족도 분석
1. 연구 배경 및 평가 목적
흑백 사진은 역사적 순간과 개인적 기억을 보존하는 중요한 매체이지만, 원래의 색채 정보는 사라졌다. DeOldify는 U-Net 기반의 딥러닝 아키텍처를 활용해 흑백 이미지에 사실적인 색상을 자동으로 복원함으로써 시각적 유산을 현대적으로 재해석한다. 본 연구는 이 기술의 실제 성능을 객관적으로 검증하기 위해 전문가 그룹의 블라인드 테스 ...
8월 4일 17:53에 게시됨
합성곱 신경망 기반 서예 작품 생성 모델 아키텍처 탐구
대규모 언어 모델(LLM)이 텍스트 기반 콘텐츠 생성에 탁월하다는 것은 널리 알려져 있습니다. 예를 들어, "봄바람에 버드나무 푸르고"라는 구절을 입력하면 "단비에 꽃 붉게 피네"와 같이 대구와 평측이 잘 맞는 문구를 생성할 수 있죠. 하지만 손으로 쓴 서예 작품 사진을 주거나, 특정 서예 스타일, 종이 질감, 전통 문양 테두리 등을 적용하여 새로운 작품을 생성해야 ...
7월 26일 03:39에 게시됨
PyTorch에서 다중 GPU 훈련 및 그래디언트 누적을 통한 대용량 배치 처리
소개
딥 뉴럴 네트워크(DNN)를 훈련할 때 중요한 하이퍼파라미터 중 하나는 배치 크기입니다. 일반적으로 배치 크기가 너무 크면 네트워크가 과적합될 수 있지만, 너무 작으면 수렴 속도가 느려집니다.
고해상도 이미지나 메모리를 많이 차지하는 다른 유형의 데이터를 처리할 때, 대부분의 대규모 DNN 모델 훈련이 GPU에서 이루어진다고 가정하면, 사용 가능한 GPU 메모 ...
7월 24일 17:05에 게시됨
Knet.jl 입문教程：Julia로 시작하는 딥러닝 완벽 가이드
Knet.jl은 튀르키예 코치대학교에서 개발한 Julia 기반 딥러닝 프레임워크로, 효율적인 신경망 구축 및 학습 기능을 제공한다. 이 가이드에서는 Knet.jl의 핵심 개념과 사용 방법을 단계별로 설명하며, 처음부터 나만의 딥러닝 모델을 구축할 수 있도록 돕는다.
Knet.jl 선택의 이유
Julia 생태계의 딥러닝 프레임워크인 Knet.jl은 다음과 같은 장점을 제공한다:
고성 ...
7월 22일 16:40에 게시됨
YOLOv8을 사용한 태양광 패널 결함 검출 시스템 구축: 12가지 결함 유형 포함
디ープ러닝 기반 객체 검출 프레임워크인 YOLOv8을 활용해 태양광 패널 결함 데이터셋을 학습하여 결함 탐지 시스템을 구축하는 방법입니다. 데이터셋에는 오염, 물체 가림, 새 날개 자국, 빛 반사, 구조 변형, 패널 파손, 눈 덮음 등 총 12가지 결함 유형이 포함되어 있습니다.
데이터셋은 시각적 정보를 포함하며, 총 55,200장의 이미지로 구성되어 있습니다. XML과 T ...
7월 16일 19:35에 게시됨
YOLOv5s 커스텀 데이터셋 훈련 가이드
1. 개발 환경 구축
YOLOv5 기반 객체 탐지 모델을 직접 학습시키기 위한 환경을 마련해보자. 먼저 Ultralytics에서 제공하는 소스 코드를 로컬 머신으로 가져온다. 터미에서 다음 명령을 실행하면 된다.
git clone https://github.com/ultralytics/yolov5.git
Git 사용이 어렵다면 GitHub 페이지에서 ZIP 파일을 직접 내려받아 원하는 경로에 압축 해제하면 된다. 프로 ...
7월 15일 06:00에 게시됨
annotated-transformer 데이터 생성 함수 활용 가이드
데이터 부족 문제 해결: annotated-transformer의 데이터 생성 함수 완벽 가이드
자연어 처리와 딥러닝 분야에서 고품질 모델 훈련을 위해서는 충분한 데이터가 필수적입니다. annotated-transformer 프로젝트는 클래식 트랜스포머 모델 구현을 제공하며, 데이터_생성 함수를 통해 합성 데이터를 생성하여 데이터가 제한된 환경에서 모델 아키텍처와 훈련 절차를 빠르게 검 ...
7월 15일 05:10에 게시됨