13:00 import tensorflow as tf 19:15 tf.constant() 26:04 tf.cast() 27:00 텐서연산 33:15 form tensorflow.keras import Dense Activation Falten input 36:20 dense layer 37:43 activation layer 39:41 flatten layer 40:28 input layer 41:57 model 42:40 sequential model 45:45 plot model 47:57 api model 51:20 condcatnate() 1:01:55 서브클래싱 1:04:20 call 1:05:27 가중치 확인 1:09:40 model compile 1:11:40 loss function 종류 1:17:11 one hot encoding 1:18:30 cee 1:24:30 optimise 1:26:30 gradient decent 1:29:00 sadle point 1:30:00 metrics 1:31:00 모델학습 평가 1:31:45 오차역전파 1:35:27 딥러닝 예제 1:39:16 data split
교수님 항상 강의 감사합니다. 요즘 이러저러 딥러닝 실습을 하면서, 최신 Sota모델들을, CLI환경에서 git을 이용하여 repo설치 및 fine-tuning시키는 그런 연습을 하는 중인데요. 코랩에서의 실습보다 생소하고 고려할 것이 많아 참 어렵습니다. 혹시 git repo와 CLI 환경에서 실습동영상을 만들어보실 계획은 없으신지요? 항상 좋은 강의 감사합니다.
교수님, 영상 잘 보고 있습니다. 텐서 설명하실때 samples의 예시를 들어주실 수 있으신가요? 제 생각에 흑백 이미지이면 Width와 Height만 있으니 2D Tensor일 것 같고, 컬러 이미지 이면 Width, Height, Channel이므로 3D Tensor일 것 같은데, 제가 생각한거에 Samples가 하나 더 추가되어 설명하셨더라고요. Samples가 어떤걸 지칭하는지 알려주시면 감사하겠습니다!
정말 좋은 강의 감사합니다!!! 3가지 질문이 있습니다 1. sequential API 활용할땐 input_shape = (28,28) 인데 함수형 API 사용할땐 왜 input_shape =(28,28,1) 인가요? 2. @1:06:42 에선 왜 MyModel class 만들고 왜 사용을 안하는건가요? 3. @3:25:47 에서 말하는 배치정규화가 보통 전처리 단계에서 continuous column 들을 같은 scale 로 만드는거 말씀하신건가요? 근데 그렇타면 왜 전처리 단계에서 한게 layer 에 보장이 없는건가요?
1. 사용하는 형태에 따라 shape을 바꿀 수 있는데, 28 x 28로도 사용 가능하지만, 보통 흑백 이미지는 28 x 28 x 1로 shape을 만들어 사용합니다. 혼용하긴 했지만 변환해서 사용 가능하다는 것만 알아두시면 좋습니다. 2. MyModel class 예제는 클래스로도 만들어서 사용할 수 있다라는 예제로만 이해하시면 됩니다. 3. 아주 좋은 질문이네요. 네 맞습니다. 전처리 단계에서 regularization 하는 것과 같은 역할인데, 전처리 단계에서 했어도 학습할 때마다 각 레이어의 결과 분포가 변화되어 잘못될 수가 있습니다. 그래서 각 레이어에서 정규화를 하여 분포를 좀 일정하게 만들어서 학습도 빨리 잘하는 방법이 배치 정규화입니다.
안녕하세요, 너무 잘 봤습니다. 질문이 있어서 이렇게 댓글 답니다! mnist를 할 때는 y_train = to_categorical(y_train)을 하고, fashion_mnist를 할때는 y_train=to_categorical(y_train)을 하지 않았습니다. to_categorical을 사용할때와 하지 않을때, 이 둘의 차이점이 무엇인가요? model.fit(x_train,y_train..)을 할 때, y_train에 to_categorical을 해야지 더 자연스럽다라는 느낌은 많이 받았지만(model의 Dense 마지막 유닛이 10개이고, 10개의 원소를 가진 array를 output으로 나오니까, 하나의 label만 있는 y_train보다는 y_train=to_categorical(y_train)이 shape도 동일하기 때문에), fashion_mnist할 때는 안 됐습니다. 정리하자면, fashion_mnist
to_categorical() 함수는 one-hot 인코딩을 해주는 함수입니다. one-hot은 레이블 갯수만큼 0으로 배열을 만들고, 정답에 대해서만 1을 표기해줍니다. mnist나 fashion_mnist에는 동일하게 to_categorical() 함수가 적용이 가능합니다. 아무래도 데이터셋을 잘못 지정해서 shape이 안맞는 오류가 난것 같습니다.
딥러닝의 전체적인 구조와 설명은 텐서플로우 및 케라스로 이해가 갔는데 코딩 언어 및 import하는 것들이 어렵습니다.. 딥러닝을 완벽하게 이해하기 위해서 저 컴파일한 언어들을 다 숙지하고 머릿속에서 바로바로 나와야 하는건가요?? 아니면 공개가 된 레퍼런스들을 활용하는 쪽으로 해야할까요
안녕하세요. 좋은 영상 감사합니다. 3:07:26 가중치 초기화 부분의 코드 import numpy as np def sigmoid(x): return 1.0 / (1.0 + np.exp(-x)) x = np.random.randn(1000, 50) nodes = 50 hidden_layers = 6 activation_values = {} for i in range(hidden_layers): if i != 0.0: x = activation_values[i-1] w = np.zeros((nodes, nodes)) a = np.dot(x, w) z = sigmoid(a) activation_values[i] = z print(activation_values) 를 실행하면 activation_values가 모두 0.5로 설정이 되는데 이게 맞는 걸까요?
1:36:10 에 from tensorflow.keras.datasets.mnist import load_data 줄에서 datasets.mnist 경로에 해당 폴더와 파일들이 있는데 코드에서 경로 오류가 떠서 실행되지 않는데 왜 그런지 알 수 있을까요>? datasets부터가 오류로 경로가 뜨지 않네요..
Exception has occurred:ModuleNotFoundError No Module named 'tensorflow.keras.datasets' 이렇게 뜨는데 라이브러리 경로에 따라 들어가면 datasets하고 mnist가 존재하고 거기에 있믄 다른 layers같은 것들은 정상적으로 작동이 되는데 datasets은 밑줄 뜨면서 안 되네요 제가 비주얼코에서 공부하고 하고 있는데 찾아봐도 뭐가 문제인지 모르겠네요 ㅠㅠ
13:00 import tensorflow as tf
19:15 tf.constant()
26:04 tf.cast()
27:00 텐서연산
33:15 form tensorflow.keras import Dense Activation Falten input
36:20 dense layer
37:43 activation layer
39:41 flatten layer
40:28 input layer
41:57 model
42:40 sequential model
45:45 plot model
47:57 api model
51:20 condcatnate()
1:01:55 서브클래싱
1:04:20 call
1:05:27 가중치 확인
1:09:40 model compile
1:11:40 loss function 종류
1:17:11 one hot encoding
1:18:30 cee
1:24:30 optimise
1:26:30 gradient decent
1:29:00 sadle point
1:30:00 metrics
1:31:00 모델학습 평가
1:31:45 오차역전파
1:35:27 딥러닝 예제
1:39:16 data split
항상 함께 하는 존경하는 교수님 ^^
1:20:00
항상 깊은 감사드립니다.
교수님 거의 모든 영상 달고 삽니다.
아나운서 같은 교수님 강의가 제게는 최적화된 강의입니다.
만수무강하세요~
41:18
이런 강의중 최고인거 같습니다
앗 감사합니다 ^^
취업하고 항상 복습하고 싶었는데 이렇게 좋은 강의 만들어주셔서 감사해요~
감사합니다 ^^
공부는 배신하지 않죠. ^^
목소리가 넘 좋아서 집중이 잘되네요 감사합니다 ^^
앗! 감사합니다. ^^
귀중한 추석 선물 주셨네요..항상 감사합니다~
넹 감사합니다 ^^
레전드 영상... 감사합니다 교수님
앗 감사합니다 ^^
항상 좋은 영상 감사합니다. 즐거운 추석 보내세요~
네넹 감사합니다 ^^
13:55
27:00 텐서연산
30:53 딥러닝 구조 및 학습
31:58 레이어
41:59 모델
46:02
주말에 달려보겠습니다! ^^ 감사합니다.
화이팅 ㅋㅋㅋ
와. 진짜 추석 선물이네요. 텐서 어렵게 생각했는데. 쉽게 접근할 수 있어서 감사드립니다~~명절 잘 보내세요~~^^
감사합니다 ^^ 해피 추석되세요.
항상 감사합니다
넵 감사합니다 ^^
매우 매우 휼륭한 강의입니다.
앗! 감사합니다 ^^
교수님, 정말 도움이 됩니다. 매우 감사해요. 복 받으실 거예요~
최고입니다. 바쁜 직장인에게는 오아시스 같은 강의
와우 감사합니다. ^^
1:28:11 여기까지 공부함 !
귀중한 영상 감사합니다!
화이팅!
네 감사합니다 화이팅
항상 잘배우고있습니다.
감사합니다 ^^
설명을 명료하고 쉽게 설명을 잘 하시군요,. 감사합니다.
감사합니다. ^^
감사합니다 잘 볼게요
감사합니다. ^^
교수님 혹시 이 강의에 CNN도 포함되어있을까요?
매우 감사 합니다
넵 감사합니다. ^^
[딥러닝 데이터 표현과 연산] 7:44
[딥러닝 구조 및 학습] 30:47
[딥러닝 학습 기술] 2:27:40
네, 추후 홈페이지를 통해서 완성본 링크를 걸겠습니다.
2:11:58 2차학습
4시간 20분이지만 영상 본거 또 돌려보고 직접 코딩해보고 연습하는데 10시간은 걸린것 같네요... 시중에서 파는 책보고 따라 치는거보다 영상 늘어지도록 보면서 따라하는게 더 좋은것 같습니다 좋은 영상 감사합니다..! 많은 도움이 되었습니다.
2:06:47 진도 메모
1:15:09 학습기록
[딥러닝 학습 기술] 2:27:43
진짜 구독과 좋아요를 안할수가 없다...
파이토치도 한번에 끝내기 강의 예정이신가요?
파이토치 버전은 이미 영상이 있답니다. ^^
고퀄리티 수업 클래스에 울부짖었습니다.. ㅠㅠ 감사합니다!
앗 ㅋㅋㅋ 감사합니다. ^^
우왕 잘보겠습니다
네넵 ^^
뒤에서 빙빙 돌아가는 저 장식품 이름이 뭔가요?
좋은 영상 감사드립니다😀
넵 감사합니다. ^^
교수님
딥러닝 한번에 끝내기 동영상 말고 텐서 플로우 기초 부터 공부해도 되나요??
머신러닝, 딥러닝 강의가 선수과목인가요? 답변 감사합니다!
넹 전체 커리큘럼은 홈페이지에 있습니다.
1:12:58
1:39:25
2:01:57
딥러닝을 하려면 코딩같은것도 알아야하는건감
코딩없이도 되긴 하지만 제한이 좀 있죠 ^^
45:00Plot_model 나만 안되나...
.plot_model이 안되시나요?
1:02:00
2:06:30
교수님 항상 강의 감사합니다. 요즘 이러저러 딥러닝 실습을 하면서, 최신 Sota모델들을, CLI환경에서 git을 이용하여 repo설치 및 fine-tuning시키는 그런 연습을 하는 중인데요. 코랩에서의 실습보다 생소하고 고려할 것이 많아 참 어렵습니다. 혹시 git repo와 CLI 환경에서 실습동영상을 만들어보실 계획은 없으신지요? 항상 좋은 강의 감사합니다.
아! 처음에는 colab 환경이 아닌 곳에서 강의를 했었는데, GPU가 있는 동일한 환경에서 강의를 해야하다보니 colab을 선택하게 되었습니다.
15:09
안녕하세요 교수님,
로스부분에서 부호가 틀린것 같습니다. 예를 들면 -log0.8 = 0.22 입니다
오! 감사합니다 ^^
22:01
강의 잘 보고 있습니다. training data를 학습하는데 걸리는 시간이 상당한데, 교수님이 보여주신 속도보다 6배 정도는 느린 것 같네요.. 단순 컴퓨터 사양문제일까요? 아니면 할 수 있는 별도의 조치가 있나요?
colab에서 런타임 유형을 GPU로 설정해주셔야 합니다.
46:48
화면 오른쪽에서 계속 돌고 있는 기계장치가 뭐에요? 가지고 싶어요..^^
저도 아이언맨1 보고 따라 산건데... 키네틱아트 검색하시면 많이 나옵니다. ^^
교수님, 영상 잘 보고 있습니다.
텐서 설명하실때 samples의 예시를 들어주실 수 있으신가요?
제 생각에 흑백 이미지이면 Width와 Height만 있으니 2D Tensor일 것 같고, 컬러 이미지 이면 Width, Height, Channel이므로 3D Tensor일 것 같은데, 제가 생각한거에 Samples가 하나 더 추가되어 설명하셨더라고요. Samples가 어떤걸 지칭하는지 알려주시면 감사하겠습니다!
samples는 데이터의 수라고 보시면 됩니다. 흑백 이미지가 width와 height로 구성되지만, 데이터셋에서는 이미지가 여러장이기 때문에 samples가 추가되어 3차원이 됩니다.
정말 좋은 강의 감사합니다!!! 3가지 질문이 있습니다
1. sequential API 활용할땐 input_shape = (28,28) 인데 함수형 API 사용할땐 왜 input_shape =(28,28,1) 인가요?
2. @1:06:42 에선 왜 MyModel class 만들고 왜 사용을 안하는건가요?
3. @3:25:47 에서 말하는 배치정규화가 보통 전처리 단계에서 continuous column 들을 같은 scale 로 만드는거 말씀하신건가요? 근데 그렇타면 왜 전처리 단계에서 한게 layer 에 보장이 없는건가요?
1. 사용하는 형태에 따라 shape을 바꿀 수 있는데, 28 x 28로도 사용 가능하지만, 보통 흑백 이미지는 28 x 28 x 1로 shape을 만들어 사용합니다. 혼용하긴 했지만 변환해서 사용 가능하다는 것만 알아두시면 좋습니다.
2. MyModel class 예제는 클래스로도 만들어서 사용할 수 있다라는 예제로만 이해하시면 됩니다.
3. 아주 좋은 질문이네요. 네 맞습니다. 전처리 단계에서 regularization 하는 것과 같은 역할인데, 전처리 단계에서 했어도 학습할 때마다 각 레이어의 결과 분포가 변화되어 잘못될 수가 있습니다. 그래서 각 레이어에서 정규화를 하여 분포를 좀 일정하게 만들어서 학습도 빨리 잘하는 방법이 배치 정규화입니다.
@@suanlab 감사합니다 교수님!
안녕하세요 영상보면서 공부하고 있는 학생입니다. 다름이 아니라
4:00:39에서 line 1 TypeError: raw_input() got an unexpected keyword argument 'shape' 에러가 뜨는데 찾아봐도 안나오더라구요
혹시 왜 그런지 알수 있을까요?
모델 41:50
안녕하세요, 교수님! 좋은 강의 감사드립니다~ 혹시 텐스플로우를 GUI나 온라인으로 배포하는 기능이 있는걸로 들었습니다. 혹시 관련 정보 있으시면 링크라도 공유 받을 수 있을까요?
방식에 따라 여러형태가 있습니다. 보통은 flask를 이용해 웹 서비스로 많이 만드는 편입니다.
안녕하세요, 너무 잘 봤습니다. 질문이 있어서 이렇게 댓글 답니다! mnist를 할 때는 y_train = to_categorical(y_train)을 하고, fashion_mnist를 할때는 y_train=to_categorical(y_train)을 하지 않았습니다. to_categorical을 사용할때와 하지 않을때, 이 둘의 차이점이 무엇인가요? model.fit(x_train,y_train..)을 할 때, y_train에 to_categorical을 해야지 더 자연스럽다라는 느낌은 많이 받았지만(model의 Dense 마지막 유닛이 10개이고, 10개의 원소를 가진 array를 output으로 나오니까, 하나의 label만 있는 y_train보다는 y_train=to_categorical(y_train)이 shape도 동일하기 때문에), fashion_mnist할 때는 안 됐습니다.
정리하자면, fashion_mnist
to_categorical() 함수는 one-hot 인코딩을 해주는 함수입니다. one-hot은 레이블 갯수만큼 0으로 배열을 만들고, 정답에 대해서만 1을 표기해줍니다.
mnist나 fashion_mnist에는 동일하게 to_categorical() 함수가 적용이 가능합니다. 아무래도 데이터셋을 잘못 지정해서 shape이 안맞는 오류가 난것 같습니다.
3 04 57 오늘은 여기까지
혹시 heatmap에서는 y_test에 대해 axis=1로 적용하고, classification_report에서는 axis=-1을 넣어준 이유가 있을까요?
안녕하세요! 건설환경을 전공하고있는 4학년 학부생입니다. 대학원을 저희과내에서 인공지능쪽으로 가보려고생각중인데 교수님이 올려주신 동영상목록중에 보면좋을것들좀 추천해주실수있으신가요?? 내용은 스마트시티쪽으로 가볼까생각중인데 가기전에 인공지능에 대해서 공부를 하고가려고합니다. 커리큘럼? 같은것들로 선정좀해주시면 감사하겠습니다 ㅜㅜ 잠깐봐봤는데 너무 좋은내용이고 시간낭비가 아닐거같단생각이 들어 유튜브보면서 처음으로 질문드립니다
재생목록 중 예를들면 인공지능- 머신러닝 딥러닝 이런식으로 추천좀 부탁드려요 ㅜㅜㅜ
suanlab.com 홈페이지에서 RUclips 메뉴보시면, 커리쿨럼 순서대로 나열되어있습니다.
데이터 분석 및 시각화
딥러닝 프레임워크
컴퓨터 비전
코스로 가시면 될것 같아요.
딥러닝의 전체적인 구조와 설명은 텐서플로우 및 케라스로 이해가 갔는데 코딩 언어 및 import하는 것들이 어렵습니다.. 딥러닝을 완벽하게 이해하기 위해서 저 컴파일한 언어들을 다 숙지하고 머릿속에서 바로바로 나와야 하는건가요?? 아니면 공개가 된 레퍼런스들을 활용하는 쪽으로 해야할까요
다 외울순 없죠. 자주 쓰다보면 기억나실꺼예요 ^^
확실히 프로그래밍도 외국어 하나 배우는 느낌이라, 강의를 보는게 10프로라면 나머지 90프로는 연습인거 같습니다! 혼자 계속 예제 짜다보면 손가락이 기억하게 되요~
안녕하세요. 좋은 영상 감사합니다.
3:07:26 가중치 초기화 부분의 코드
import numpy as np
def sigmoid(x):
return 1.0 / (1.0 + np.exp(-x))
x = np.random.randn(1000, 50)
nodes = 50
hidden_layers = 6
activation_values = {}
for i in range(hidden_layers):
if i != 0.0:
x = activation_values[i-1]
w = np.zeros((nodes, nodes))
a = np.dot(x, w)
z = sigmoid(a)
activation_values[i] = z
print(activation_values)
를 실행하면 activation_values가 모두 0.5로 설정이 되는데 이게 맞는 걸까요?
저도 그렇게 됩니다. 로직상 그렇게 나오는게 맞습니다. 0을 곱해버리기 때문에 sigmoid(0) 은 무조건 0.5 이니깐요.
따라서 그래프도 그렇게 나와야 하는데, 강의 화면에서의 그래프는 다르게 보이네요
1:36:10 에 from tensorflow.keras.datasets.mnist import load_data 줄에서 datasets.mnist 경로에 해당 폴더와 파일들이 있는데 코드에서 경로 오류가 떠서 실행되지 않는데 왜 그런지 알 수 있을까요>?
datasets부터가 오류로 경로가 뜨지 않네요..
오류 메시지도 없는건가요?
Exception has occurred:ModuleNotFoundError
No Module named 'tensorflow.keras.datasets'
이렇게 뜨는데 라이브러리 경로에 따라 들어가면 datasets하고 mnist가 존재하고 거기에 있믄 다른 layers같은 것들은 정상적으로 작동이 되는데 datasets은 밑줄 뜨면서 안 되네요 제가 비주얼코에서 공부하고 하고 있는데 찾아봐도 뭐가 문제인지 모르겠네요 ㅠㅠ
30:54
2:44:55
1:40:00
1:01:30
28:41
27:03
29:42