NeuroWhAI의 잡블로그

뭔가 정말 좋다!라고 말하기엔 부족하지만 흥해서 자꾸 듣게됩니다.

사유 : 데이터 부족?

다른 분의 강좌를 보면서 따라했습니다. 사실 따라했다기 보다는 코드 복붙해놓고 이해하려고 노력했다는게 더 정확하지만 ... 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414..

Colab에서 외부 파일을 불러오고 싶을때 이 방식을 쓰면 가능합니다. # Install the PyDrive wrapper & import libraries. # This only needs to be done once per notebook. !pip install -U -q PyDrive from pydrive.auth import GoogleAuth from pydrive.drive import GoogleDrive from google.colab import auth from oauth2client.client import GoogleCredentials # Authenticate and create the PyDrive client. # This only needs to be done once..

을 예방하기 위한 방법에 대해 다룬 글입니다. https://steemit.com/deeplearning/@jiwoopapa/women-also-snowboard-overcoming-bias-in-captioning-model 성차별적인 분포의 사진만을 주고 여기 나온 사람이 남자인지 여자인지 분류하게 했는데 실제로 어디에 집중하는지 보니까 사람이 아니라 배경, 사물이었다고 합니다. 야구 배트 -> 남자 사무실 모니터 -> 여자 이렇게요. 이걸 방지하기 위해서 사람에 집중하도록 손실 함수를 바꿨더니 나아졌다...라는 내용입니다. 사실 사람에 집중해도 여전히 고정관념이 있을 수 있는게 당장 우리 인간들도 성을 판단할때 머리카락, 얼굴, 몸매를 보는데 이게 100% 정확한게 아니거든요. 이런 연구가 활발하게..

※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. keras.preprocessing.image.ImageDataGenerator는 데이터를 이리저리 변형시켜서 새로운 학습 데이터를 만들어줍니다. 변형의 예시는 회전, 이동 등등 매우 다양합니다. 아래 코드는 CNN을 이용해서 MNIST 이미지를 분류하는 예시인데 일부러 데이터 수를 줄이고 ImangeDataGenerator를 통해서 데이터를 늘린 뒤 학습을 진행할겁니다. 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717..

https://worldmodels.github.io 구글에서 또 외계인을 고문했습니다. 한글로 된 자세한 내용은 다른 분이 잘 써둔 글이 있으니 http://aidev.co.kr/deeplearning/4304 여기서 보십쇼. 이 글에서는 꿈에 관련해서만 적어보겠습니다. 대충 이렇게 생겼다고 합니다. 꿈을 시각화하는 부분은 아래 이미지에 해당하는 VAE 입니다. VAE는 GAN(생성적 적대 신경망)과 비슷한 신경망인데 게임 화면을 입력으로 받아서 z로 인코딩하고 다시 게임 화면과 비슷한 화면으로 디코딩 합니다. GAN을 배우신 분이라면 아시겠지만 학습된 GAN은 z만 있어도 디코더를 통해 실제와 비슷한 새로운 이미지를 생성할 수 있게 됩니다. 그리고 아래 이미지가 MDN-RNN 입니다. VAE에서 얻은..

https://js.tensorflow.org/ 뒷북이면 둥둥이라고 해주세요. 웹 브라우저에서 동작하는 TensorFlow가 나왔습니다. 이전에도 가능은 했을지 모르겠지만 공식적으로 발표가 나온것 같습니다.+ 내용 추가) 이전부터 있었던 deeplearn.js가 TensorFlow.js로 이름을 바꾼거라고 하네요. 크게 기능을 보자면 학습된 모델을 불러와서 쓸 수 있다. 불러온 모델을 학습시킬 수 있다. 직접 모델을 작성할 수 있다. 그러니까 다 된다는 말이죠 ㅋㅋ 간단하게 코드의 모습이나 디자인 컨셉을 보고싶으시면 https://js.tensorflow.org/tutorials/core-concepts.html 여기서 보시면 됩니다.눈에 띄는건 js의 메모리 관리 특성상 필요한 dispose, tidy..

리듬게임으로 처음 들었는데 둠칫둠칫 거리는게 너무 흥하네요.

※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. 왜 UNet인진 모르겠는데 신경망 구조를 보니까 U처럼 생겨서 UNet인가 싶네요 ㅋㅋ 출처 : https://spark-in.me/post/unet-adventures-part-one-getting-acquainted-with-unet 오토인코더와 비슷한 구조인데 인코딩 과정에서 나온 각 층의 출력을 디코딩 과정의 각 층에서 입력으로 사용하고 있는게 차이점입니다. 뭐 이론적인건 잘 모르겠고 책에선 이렇게 함으로서 이미지 복원력이 더 뛰어나진다고 하네요. 이번에도 코드는 책의 코드를 좀 간소화해서 다를겁니다. 코드:12345678910111213141516171819202122232425262728293031323..