[DL] 딥러닝 용어 및 설명

---

모델 = CNN

CNN 구조

모델은 학습시킬때 사용된다. 모델은 사람의 뇌 세포의 구조와 비슷하게 만들어졌다고 한다.

(CNN = Convolution Neural Networks)

---

레이어를 3종류로 나눌수 있음.

레이어는 많으면 좋지만 효율적이지 않게 너무 많이 쌓으면 컴퓨터 메모리를 많이 사용해서 컴퓨터에 부하가 생긴다.

VGG16는 옥스포드에서 만든 모델로 다양한 모델중 하나이다.

---

CNN = Convolution Neural Networks

Convoltion = 합성의 곱 (역할 = 이미지와 합성해서 결과를 뽑아낸다.)

이미지를 필터로 받아서 이미지를 계산해서 feature map처럼 결과를 추출한다.

---

Weight = Convolution에서 학습하려고 하는 대상이라고 볼 수 있다.
Y = Wx + B
(output = Weight*input + Bias) 과 같이 볼수 있다.

---

Pooling Layer의 max Pooling은 이미지의 가장 큰 특징들의 높은 수치들을 반으로 줄여준다.

Convoltion = 특징을 추출
Pooling = 압축

---

 학습시키고 난 뒤의 인공지능을 최적화 시키는 용어라고 보면된다.

loss func을 줄려 갈수 있도록 도와주는 역할을 한다.

---

뽑은 특징들을 제거 할 수도 있고 다양한 기능들을 넣어서 변화 시킨다.

ReLU를 먼저 보자~!

---

마지막에 컴퓨터가 예측.

앞에서 받은 집합(값)을 확률로 계산해준다.

각 수치를 부여해서 나열 하였을때 나오는 가장 큰 값을 정답으로 인식하여 추출해 낸다.

---

Loss func = 정답의 확률이 있는 숫자를 나열했을때 계산하는 방식을 말함.
(얼마나 틀렸는지 예측을 해준다)

---

learning Rate은 hyper parameter중 하나이다. 
hyper parameter란? - 컴퓨터가 스스로 설정 할수 없는 부분에 사람이 컨트롤 하는 부분을 말한다.

learning rate을 연구원이 직접 조절한다.

---

MNIST 데이터가 6만개인데, 한 모델에 한번에 넣을수 없음. 메모리도 부족,,,

그래서 몇장씩 잘라 넣어줄지를 결정하는데 그것을 Batch size라고 말한다.

---

60000만장의 데이터를 본후
인공지능이 Epoch 만큼 데이터를 보게 한다. (학습을 위해)
Epoch는 60000만개의 데이터를 한번 보게되면 1 Epoch 두번은 2Epoch라고 할 수 있다.

---

Data set을 받게되면 트레인셋 테스트셋을 받게 된다.
이유는 테스트와 트레이닝할 부분을 나누면 효율적으로 두가지의 결과물들을 도출할수 있기 때문이다.
그래서 꼭 나누어야 한다.

---

CNN에 데이터 셋을 넣었을때, 정답 또는 레이블이 있어야 한다.

위 자료를 Epoch처럼 볼수 있도록 하자.

결국엔 인간도 반복해서 공부해야 하는 객체라는 사실......