인공지능 학습
새로운 교수님이 오셔서 인공지능 학습을 진행하는 날
새롭게 바뀐 교수님 엔비디아 교육 엠버서더인 한국화학연구원 소속 강영묵 박사님이 강의를 준비해 주셨다.
엔비디아 교육 코드를 배포하여 GPU를 기반으로 진행하는 인공지능 교육을 받을 수 있게 해주셨고.
이 프로그램은 회당 40만원의 매우 비싼 수업 강의였다.
또한 수료증까지 받을 수 있다고 해 열심히 강의에 참여하도록 장려하는 그런 강의였다.
엔비디아 사측에서 제공하는 딥러닝의 기초 강좌
여기에서 앞전의 배운 내용을 다시금 접하게 됐는 데
교수님의 예시 강의가 귀에 쏙쏙 담게 됐다.
앞선 테크노트에서 방정식 모델로 한번 언급한 수의 공식 모델이였다.
Y= 결과값이고(종속변수)
X= 독립변수
m,b 기울기와 절편이였다.
정말 이해가 쉽지 않았던 커널의 대목이였다.
그림 예시와 함께 적용해서 설명해보 커널 범위를 부터 만들어 원하고자 하는 값을 곱해 각 픽셀값의 도출값을 구한다.
위처럼 여러 필터의 해당하는 값을 범위에 맞게 값을 할당하면 픽셀마다 고유의 값이 해당값과 곱해져 필터가 적용된 값이 나올것 이다. 이해가 쉽지 않다면 아래 그림을 보자
이런 식으로 커널마다 값이 나오면서 STRIDE(간격) 만큼 이동하며 합성곱이 수행된 커널 처리된 값이 나올 테다.
그럼 패딩은 무엇인가?
가장자리에 있는 값들은 합성곱 값에 있어서 편차가 생기기 마련이다.
그렇기에 가상의 공간을 만들어 값의 편차가 생기지 않도록 하는 과정이라 생각하면 된다.
이와 더불어 레이어를 만들 때 사용하는 unit의 설명은 정말 이해가 쉬웠다.
unit은 뉴런의 개수를 의미하는 데
128개로 설정하면 128개의 뉴런을 거친 값이 나와 다음 레이어의 전달하게 된다.
만약 다음 레이어의 뉴런의 수가 54개라면 128개의 정보값을 각각 54개의 뉴런이 받게 되고
54개의 값을 다시 다음 뉴런의 넘겨주는 형식이라고 이해하게 됐다. 그러면서 나오는 학습률
학습이 진행될 수록 나오는 accury 값의 증가 등 뉴런의 수가 다다익선으로 이루어지는 것이 아닌 적절한 수가 있음과 동시에 간단한 작업에는 오히려 독이 될지도 모르는 상황은 참으로 신비했다.
그렇게 수업을 잘 마치고 받게 된 수료증이였다.
평가 내용물은 저작권이 걱정 돼 올리진 못했지만 여러 이미지학습 모델을 기반으로 하는 평가로 수료 프로그램이 진행됐다.