딥러닝 이해

신경망 연결 
입력층 - 은닉층 - 출력층 
가운데 은닉층이라는게 새로 만들어 진다 
입력이 있으면 출력이 처리해주는 거였는데 
퍼셉트론이 여러개 묶여가지고 최적화는 어떻게 시키는가 
하나의 은닉층
여러개가 맞물리면 딥러닝 CNN 
텐서플로우는 나중에 cnn까지 연결될 수 있다. 
역전파 알고리즘 
뉴런 한개를 뉴런들이 여러개로 이루어 져 있을 때 최적화 하는 것 
최종 출력이 나오는 것 에러값들을 피드백 하는 것 
비용함수를 이용하여 에러값들 최소화 
치즈에 대한 맛 검정 예제 

입력값 : Fat, Salt 

출력값 : Acceptance 

초기 가중치 w = [-0.30,0.05,0.01]

학습률 : 0.2

초기 가중치랑 학습률은 어떻게 구하는 가?

 

사전 훈련망 : 적은 데이터 

우리가 가진 데이터 처럼 적은 양의 이미지를 사용할 때 

테스트 데이터가 학습되어 있지 않더라도 

높은 인지율 

딥러닝의 핵심 이점이며 소규머 데이터셋을이용한 딥러닝 

 

VGG16 합성망 아키텍쳐 

이전까지 배운 합성망과 가장 유사하고 

사전 훈련망 사용하는 방법 

특징 추출, 미세 조정 

 

특징 추출

이전에 학습했던 기억을 가져와 새로운 표본에서 특징을 가져오기 

합성망 구조 

합성곱 계층, 풀링 계층 합성곱 기반 

대규모로 데이터로 학습한 기억을 갖고 있는 

합성곱 기반만을 재사용하는 것인가 

합성곱 기반으로 학습한 게 

그러나 분류기에 

훈련된 클래스 에 대한 정보 

클래스일 확률인 정보가 갖추고 잇다 

특정 합송공 계층은 모델의 깊이 에따라 추출되는게 

모델 앞 윤고가선 상위상아지의 코 고양이의 발 특정 부분 추출 

새로운 데이터 셋이 원래 데이터셋과 많이 다른 경우 처음 몇 개층 만을 사용해 특징ㅊ추출 해야됨 

여러 VGG 16조밀 계층 

모든 종류의 사진이 들어가지 않을 수도 있어서 

합성곱 기반만을 사용하기 

 

- 라이브러리로 케라스를 부른후 vgg16 모델인 conv_base 를 추가 한다 

- 첫번째 인자는 ㅗ델을 초기화할 가중치 검사점을 지정한다