괴물 클럽

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 ...

모델 효율성 평가의 핵심 지표: FLOPs와 Parameters 딥러닝 모델을 실제 하드웨어나 엣지 디바이스에 배포하기 전, 반드시 거쳐야 하는 과정이 모델의 연산 복잡도를 분석하는 것입니다. 이때 가장 핵심이 되는 지표는 FLOPs(Floating Point Operations)와 파라미터 수(Parameters)입니다. FLOPs는 모델의 추론 속도와 전력 소모에 직접적인 영향을 미치며, 파라미터 수는 ...

데이터 준비 PyTorch의 torchvision.datasets 모듈을 사용하여 MNIST 데이터셋을 다운로드하고 불러옵니다. torchvision.transforms.ToTensor()는 이미지를 PyTorch 텐서로 변환하며, torch.utils.data.DataLoader는 데이터를 배치 단위로 효율적으로 로드합니다. import torch import torch.nn as nn import torchvision import torchvision.tr ...

MNIST 데이터셋 로드 학습 및 테스트 데이터를 준비하는 과정은 다음과 같다: import torch import torchvision from torch.utils.data import DataLoader transform = torchvision.transforms.ToTensor() training_dataset = torchvision.datasets.MNIST( root='./data', train=True, transform=transform, download=True ) testing_dataset = torchvi ...

1. 컨볼루션이란? 컨볼루션은 이미지와 필터(고정된 가중치 집합) 간의 내적 연산을 의미합니다. 각 픽셀에 해당하는 값을 곱하고 이를 모두 더하는 방식으로 특성을 추출합니다. 2. CNN 구성 요소 (1) 컨볼루션 레이어 기능: 입력 데이터에서 중요한 특징을 추출. 매개변수: 필터 크기(예: 3x3, 5x5), 스트라이드(픽셀 이동 단위), 패딩(데이터 손실 방지를 위 ...

산업 현장에서의 변압기 고장 탐지는 마치 미세한 단서를 찾아내는 추리 과정과 같다. 전통적인 신호 분석 기법들은 한계에 부딪히기 쉽다. 푸리에 변환은 주파수 해석에 유리하지만 순간적인 비정상 특성을 놓치기 쉬우며, 웨이블릿 변환은 잡음에 취약해 실제 운전 조건에서 성능이 급격히 저하될 수 있다. 이러한 문제를 해결하기 위해, 다양한 스케일의 특징을 동 ...

MNIST 손글씨 분류 프로젝트: U-Net에서 현대적 CNN으로 전환 이 프로젝트는 원래 U-Net 아키텍처를 사용하여 MNIST 손글씨를 분류하는 실험적인 코드에서 시작되었습니다. U-Net은 이미지 분할(Image Segmentation) 작업에 특화된 모델임에도 불구하고 분류(Classification) 문제에 적용되어 구조적 비효율성을 내포하고 있었습니다. 본 문서는 이 기존 프로젝트를 현대 ...

CNN(Convolutional Neural Network)概述 CNN(Convolutional Neural Network, 합성곱 신경망)은 딥러닝의 핵심 모델 중 하나로, 이미지 인식, 영상 분석, 자연어 처리 등 다양한 분야에서 활발하게 활용되고 있습니다. 인간의 시각 시스템 동작 원리를 모방하여 이미지 또는 기타 데이터에서 자동으로 특성을 추출함으로써 효율적인 분류, 탐지, 생성 작업을 수행할 수 있 ...

1. 모델 및 레이어 구축 이 가이드에서는 Keras의 Subclassing API를 활용하여 모델을 설계합니다. tf.keras.Model 클래스를 상속받아 새로운 모델을 정의하고, 학습 및 평가 과정을 수동으로 구현하는 방식을 사용합니다. 이 방법은 유연성이 높으며 PyTorch, Chainer 등 다른 딥러닝 프레임워크와도 유사한 패턴을 공유합니다. 1.1 기본 모델 구조 class CustomModel( ...

서론: 실제 환경에서의 시각 인식 과제 현실 세계에서는 물체가 부분적으로 가려지는 경우가 많으며, 이는 정확한 인식에 큰 영향을 미칩니다. 자율주행 차량이 보행자를 다른 차량에 의해 일부 가려진 상태로 인식하거나, 상점 내에서 손이나 포장재로 인해 제품 일부가 가려져 있는 상황 등은 흔합니다. 이러한 조건에서 기존 모델은 성능 저하를 겪기 쉽습니다. 알리바 ...