[NVIDIA] Deep Learning 실습 강의

딥러닝 소개

딥러닝: 2010년에 부응

 

여러 산업 분야

1. 컴퓨터 비전

• 로보틱스 및 제조
• 물체 검출
• 자율주행 자동차: 사람, 신호등, 도로, detection,, segmentation,, 광범위하게 적용

 

2. 자연어 처리

• 실시간 번역
• 음성인식

 

3. 추천 시스템

• 콘텐츠 큐레이션
• 맞춤형 광고
• 쇼핑 추천(아마존,, )

 

4. 강화 학습

• 알파고 vs 인간
• AI 봇 vs 프로게이머
• 주식 거래 로봇

 

등에 활용

---

핸즈온 연습(실습)

https://courses.nvidia.com/courses/course-v1:DLI+C-FX-01+V3-KR/courseware/258ba24018854cbfb9f7ff5e04b7d6f8/43eee6e2d779407286f142ccb8483fe0/ 

Sign In

실습 환경: jupyter

프레임 워크: keras, pytorch,,

 

1) HELLO WORLD 프로젝트(숫자 인식)

 

1. 주피터 환경 들어간 후에

kernel 비우기 꼭 해줘야(GPU 메모리 지워야)

다운받지 않고 load dataset으로 데이터 받을 수 있음

MNIST 데이터세트로 이미지 분류

0~9의 수기 문자로 구성된 70,000개

0~255(255에 가까울 수록 흑백에 가까움)

(x_train, y_train), (x_valid, y_valid) = mnist.load_data()

 

2차원-> 1차원으로 flatten

정규화

 

범주 인코딩

해당 값만 1이고 나머지는 0으로

 

모델 생성

 

model.add(Dense(units = 10, activation='softmax'))

출력은 0~10까지 10개여서

 

모델 컴파일

모델 트레이닝

history = model.fit(
    x_train, y_train, epochs=5, verbose=1, validation_data=(x_valid, y_valid)
)

 

 

Cmder

 

import tensorflow.keras as keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

x = np.array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9])
y = np.array([10, 20, 25, 30, 40, 45, 40, 50, 60, 55])

#model
layer0 = keras.layers.Dense(1, input_shape=[1])
model = Sequential([layer0])

model.compile(optimizer='sgd', loss='mean_squared_error')

model.fit(x, y, epochs=1000, verbose=0)

weights = layer0.get_weights()
print('weight: {} , bias: {}'.format(weights[0], weights[1]))

m = weights[0][-1]
b = weights[1][-1]
y_hat = x * m + b

plt.plot(x, y, '.')
plt.plot(x, y_hat, '-')
plt.show()

print("Loss:", np.sum((y - y_hat)**2)/len(x))

 

---

이후 압축 후 다운

!tar -czvf class.tar.gz ./* #압축