Python 딥 러닝-기초
이 장에서 우리는 파이썬 딥 러닝의 기초를 살펴볼 것입니다.
딥 러닝 모델 / 알고리즘
이제 다양한 딥 러닝 모델 / 알고리즘에 대해 알아 보겠습니다.
딥 러닝 내에서 인기있는 모델 중 일부는 다음과 같습니다.
- 컨볼 루션 신경망
- 순환 신경망
- 깊은 신념 네트워크
- 생성 적 적대 네트워크
- 자동 인코더 등
입력 및 출력은 벡터 또는 텐서로 표시됩니다. 예를 들어, 신경망은 이미지의 개별 픽셀 RGB 값이 벡터로 표현되는 입력을 가질 수 있습니다.
입력 계층과 출력 계층 사이에있는 뉴런 계층을 은닉 계층이라고합니다. 이것은 신경망이 문제를 해결하려고 할 때 대부분의 작업이 이루어지는 곳입니다. 히든 레이어를 자세히 살펴보면 네트워크가 데이터에서 추출하는 방법을 배운 기능에 대해 많은 것을 알 수 있습니다.
신경망의 다른 아키텍처는 다음 계층의 다른 뉴런에 연결할 뉴런을 선택하여 형성됩니다.
출력 계산을위한 의사 코드
다음은 출력을 계산하기위한 의사 코드입니다. Forward-propagating Neural Network −
- # node [] : = 토폴로지로 정렬 된 노드 배열
- # a에서 b까지의 모서리는 a가 b의 왼쪽에 있음을 의미합니다.
- # 신경망에 R 입력과 S 출력이있는 경우
- # 첫 번째 R 노드는 입력 노드이고 마지막 S 노드는 출력 노드입니다.
- # incoming [x] : = 노드 x에 연결된 노드
- # weight [x] : = x로 들어오는 가장자리의 가중치
각 뉴런 x에 대해 왼쪽에서 오른쪽으로 −
- 만약 x <= R : 아무것도하지 않음 # 입력 노드
- inputs [x] = [output [i] for i in incoming [x]]
- weighted_sum = dot_product (weights [x], inputs [x])
- output [x] = Activation_function (weighted_sum)