간편결제, 신용카드 청구할인
카카오페이 5% (20,520원)
(카카오페이 결제 시 최대 2천원 할인 (3만원 이상 결제 시, 5% 할인, 기간 중 1회))
네이버페이 1%
(네이버페이 결제 시 적립)
북피니언 롯데카드 30% (15,120원)
(최대할인 3만원 / 3만원 이상 결제)
하나SK 북&카드 30% (15,120원)
(최대할인 3만원 / 3만원 이상 결제)
EBS 롯데카드 20% (17,280원)
(최대할인 3만원 / 3만원 이상 결제)
인터파크 NEW 우리V카드 10% (19,440원)
(최대할인 3만원 / 3만원 이상 결제)
인터파크 현대카드 7% (20,090원)
(최대할인 3만원 / 3만원 이상 결제)
Close

텐서플로로 시작하는 딥러닝 : 합성곱 신경망 중심의 딥러닝 알고리즘

원제 : TensorFlowで學ぶディㅡプラㅡニング入門

2013년 9월 9일 이후 누적수치입니다.

판매지수 811
?
판매지수란?
사이트의 판매량에 기반하여 판매량 추이를 반영한 인터파크 도서에서의 독립적인 판매 지수입니다. 현재 가장 잘 팔리는 상품에 가중치를 두었기 때문에 실제 누적 판매량과는 다소 차이가 있을 수 있습니다. 판매량 외에도 다양한 가중치로 구성되어 최근의 이슈도서 확인시 유용할 수 있습니다. 해당 지수는 매일 갱신됩니다.
Close
공유하기
정가

24,000원

  • 21,600 (10%할인)

    1,200P (5%적립)

할인혜택
적립혜택자동적립
배송정보
주문수량
감소 증가
  • 이벤트/기획전

  • 연관도서(9)

  • 사은품(3)

책소개

텐서플로를 이용하여 ‘합성곱 신경망(CNN)’의 구조를 완벽히 이해한다!

이 책은 머신러닝과 데이터 분석을 제대로 배운 적이 없는 개발자를 대상으로 한다. 딥러닝의 대표적 예인 ‘합성곱 신경망(CNN)’의 구조를 근본부터 이해하고, 텐서플로를 이용해 실제로 동작하는 코드를 작성하는 것이 이 책의 목표다. 그리고 다수의 뉴런이 여러 층 결합된 ‘다층 신경망’ 내에서 대체 무슨 일이 일어나는지, 딥러닝 알고리즘은 어떤 원리로 학습하는지를 알려 준다.

출판사 서평

딥러닝의 밑바닥에는 머신러닝의 원리가 있는데, 간단한 행렬 계산과 기초적인 미분을 알면 그 구조를 이해하기가 그리 어렵지 않다. 이 책은 필기 문자를 인식하도록 처리하는 합성곱 신경망에 대해, 그리고 이를 구성하는 각 요소의 역할을 신중하게 설명한다. 또한, 딥러닝의 대표 라이브러리인 텐서플로를 이용해 실제로 동작하는 코드를 보여줌으로써 각 요소의 동작 원리를 확인할 수 있도록 구성되어 있다. 레고 블록을 끼워 맞추듯이 네트워크 구성 요소를 늘려 감으로써 인식 정확도가 향상되는 모습을 관찰할 수 있을 것이다.

부디 이 책을 통해 딥러닝의 근본 원리를 이해하고 텐서플로 코드 작성법을 학습하여 다음 단계로 도약하는 계기가 되길 바란다.

이 책의 대상 독자
- 머신러닝, 데이터 분석 전문가는 아니지만 AI 기술에 관심이 있는 분
- 딥러닝 알고리즘이 어떻게 구성되어 있는지 알고 싶은 분
- 텐서플로 공식 예제 코드를 제대로 활용하기 어려운 분

목차

CHAPTER 1 텐서플로 입문

1.1 딥러닝과 텐서플로
1.1.1 머신러닝의 개념
1.1.2 신경망의 필요성
1.1.3 딥러닝의 특징
1.1.4 텐서플로를 이용한 파라미터 최적화

1.2 환경 준비
1.2.1 CentOS 7에서의 준비 과정
1.2.2 주피터 사용법

1.3 텐서플로 훑어보기
1.3.1 다차원 배열을 이용한 모델 표현
1.3.2 텐서플로 코드를 이용한 표현
1.3.3 세션을 이용한 트레이닝 실행

CHAPTER 2 분류 알고리즘의 기초


2.1 로지스틱 회귀를 이용한 이항 분류기
2.1.1 확률을 이용한 오차 평가
2.1.2 텐서플로를 이용한 최우추정 실행
2.1.3 테스트 세트를 이용한 검증

2.2 소프트맥스 함수와 다항 분류기
2.2.1 선형 다항 분류기의 구조
2.2.2 소프트맥스 함수를 이용한 확률로의 변환

2.3 다항 분류기를 이용한 필기 문자 분류
2.3.1 MNIST 데이터 세트 이용 방법
2.3.2 이미지 데이터의 분류 알고리즘
2.3.3 텐서플로를 이용한 트레이닝 실행
2.3.4 미니 배치와 확률적 경사 하강법

CHAPTER 3 신경망을 이용한 분류


3.1 단층 신경망의 구조
3.1.1 단층 신경망을 이용한 이항 분류기
3.1.2 은닉 계층의 역할
3.1.3 노드 개수와 활성화 함수 변경에 따른 효과

3.2 단층 신경망을 이용한 필기 문자 분류
3.2.1 단층 신경망을 이용한 다항 분류기
3.2.2 텐서보드를 이용한 네트워크 그래프 확인

3.3 다층 신경망으로의 확장
3.3.1 다층 신경망의 효과
3.3.2 특징 변수에 기반한 분류 로직
3.3.3 보충: 파라미터가 극솟값으로 수렴하는 예

CHAPTER 4 합성곱 필터를 통한 이미지 특징 추출


4.1 합성곱 필터의 기능
4.1.1 합성곱 필터의 예
4.1.2 텐서플로를 이용한 합성곱 필터 적용
4.1.3 풀링 계층을 이용한 이미지 축소

4.2 합성곱 필터를 이용한 이미지 분류
4.2.1 특징 변수를 이용한 이미지 분류
4.2.2 합성곱 필터의 동적인 학습

4.3 합성곱 필터를 이용한 필기 문자 분류
4.3.1 세션 정보의 저장 기능
4.3.2 단층 CNN을 이용한 필기 문자 분류
4.3.3 동적으로 학습된 필터 확인

CHAPTER 5 합성곱 필터의 다층화를 통한 성능 향상


5.1 합성곱 신경망의 완성
5.1.1 다층형 합성곱 필터를 이용한 특징 추출
5.1.2 텐서플로를 이용한 다층 CNN 구현
5.1.3 필기 문자의 자동 인식 애플리케이션

5.2 그 밖의 주제
5.2.1 CIFAR-10(컬러 사진 이미지) 분류를 위한 확장
5.2.2 ‘A Neural Network Playground’를 이용한 직감적 이해
5.2.3 보충: 오차 역전파법을 이용한 기울기 벡터 계산

APPENDIX 부록
A 맥OS와 윈도우에서의 환경 준비 방법
A.1 맥OS의 환경 준비 과정
A.2 윈도우10의 환경 준비 과정

B 파이썬 2의 기본 문법
B.1 Hello, World!와 자료형, 연산
B.2 문자열
B.3 리스트와 딕셔너리
B.4 제어구문
B.5 함수와 모듈
C 수학 공식

찾아보기

본문중에서

딥러닝이 세상의 주목을 받기 시작한 것은 “신경망이 이미지를 인식했다”라고 구글이 발표할 무렵부터입니다. 그후 DQN(Deep Q-Network)이라는 알고리즘이 비디오 게임 제어를 학습하고, 나아가 신경망을 이용한 머신러닝 시스템이 바둑 세계 챔피언을 이기는 등 놀라운 결과를 만들어 내고 있습니다. 그리고 이러한 딥러닝의 해설 기사에 반드시 등장하는 것이 바로 다수의 뉴런이 여러 층 결합된 ‘다층 신경망’을 도식화한 그림입니다. 이 신경망 내에서 대체 무슨 일이 일어나는 것인지, 딥러닝 알고리즘은 어떤 원리로 학습하는 것인지를 ‘어떻게 해서든 이해하고 싶다!’라고 느끼는 여러분이 바로 이 책의 대상 독자입니다.
(/ p.viii)

딥러닝은 ‘심층학습’이라고도 하며, 용어만 보면 뭔가 심오한 이론인 것처럼 느껴진다. 그러나 기본적으로는 앞서 그림 1 - 11과 같은 다층 신경망을 이용한 머신러닝에 지나지 않는다. 다만, 단순히 계층을 증가시켜 복잡화하는 것이 아니라 해결해야 할 문제에 맞게 각각의 노드에 특별한 역할을 부여하거나 노드 간의 연결 방식을 다양하게 연구한 것이다. 무조건 노드를 증가시켜 복잡화하는 것이 아니라 각 노드의 역할을 생각하면서 특정 의도를 갖고 구성한 신경망이라고 생각할 수 있다.
(/ p.13)

그렇다면 미니 배치 혹은 확률적 경사 하강법을 이용하는 이유는 무엇일까? 여기에는 크게 두 가지 이유가 있다. 첫 번째 이유는 트레이닝 세트 데이터가 대량으로 있을 경우에 1회당 계산량을 줄일 수 있다는 점이다. 일반적으로 특정 함수의 기울기 벡터를 구할 때는 계산 처리량이 많아진다. 텐서플로에서는 기울기 벡터 계산이 자동화되어 있어서 이용자가 계산 내용을 의식하지는 않지만, 그렇더라도 계산 처리량에는 주의가 필요하다. 트레이닝 세트에서 대량의 데이터를 투입하면 트레이닝 알고리즘의 계산이 상당히 느려지거나 대량의 메모리를 소비하므로 실용성이 떨어지게 된다.
(/ p.92)

특히, 복잡한 신경망을 이용할 경우 텐서보드로 오차 함수의 변화를 살펴보면 그림 3 - 25와 같이 오차 함수의 값이 계단 모양으로 변화하는 경우가 있다. 이것이 바로 극솟값 주위를 얼마간 돌아다닌 후에 갑자기 최솟값 방향으로 향하는 움직임에 해당한다. 극솟값을 갖는 위치가 여러 개 있을 경우에는 몇 단계에 걸쳐 오차 함수의 값이 변화하는 경우도 있다.
(/ p.135)

이번 장에서는 합성곱 필터와 풀링 계층을 2단으로 쌓은 CNN을 실제로 구성하고, 텐서플로를 이용해 최적화해서 어떤 결과가 나오는지를 확인해 보겠다. 여기서는 이를 위한 준비 과정으로 2단계 필터가 이미지 데이터에 대해 어떻게 작용하는지를 정리한다. 또한, 파라미터 최적화를 효율적으로 실시하는 데 필요한 CNN 특유의 테크닉에 관해 추가 설명한다. 구체적인 설명을 위해 첫 번째와 두 번째 단계의 합성곱 필터의 개수를 각각 32개와 64개로 가정한다.
(/ p.179)

저자소개

나카이 에츠지 [저] 신작알림 SMS신청 작가DB보기
생년월일 1971~
출생지 오사카
출간도서 0종
판매수 0권

1971년 4월 오사카 출생. 노벨 물리학상을 목표로 이론물리학 연구에 몰두하는 학생 시절과 대학 수험 교육에 열정을 쏟은 학원 강사 시절, 그리고 화려한(?) 변신을 거쳐 외국계 벤더로 Linux 엔지니어를 생업으로 하기에 이르기까지 묘한 인연이 계속되어 항상 Unix/Linux 서버와 인생을 함께했다. 그 뒤, Linux 배포 업체의 에반젤리스트에 이어 현재는 미국계 IT 기업의 Cloud Solutions Architect로 활동 중이다.

생년월일 -
출생지 -
출간도서 0종
판매수 0권

현재 씨디네트웍스에 근무하고 있으며, [서버/인프라 엔지니어를 위한 DevOps], [서버/인프라를 지탱하는 기술], [파이썬 더 쉽게, 더 깊게], [대규모 서비스를 지탱하는 기술], [클라우드의 충격], [인프라 엔지니어의 교과서: 시스템 구축과 관리편]을 포함하여 13종의 기술 서적을 번역하였다. IT 산업의 미시적인 영역과 거시적인 영역을 아우르는 통찰력을 갖게 되기를 꿈꾸고 있으며, 최근에는 머신러닝을 비롯한 인공지능(AI)의 대중화에 주목하고 있다.

리뷰

0.0 (총 0건)

기대평

작성시 유의사항

평점
0/200자
등록하기

기대평

0.0

교환/환불

교환/환불 방법

‘마이페이지 > 취소/반품/교환/환불’ 에서 신청함, 1:1 문의 게시판 또는 고객센터(1577-2555) 이용 가능

교환/환불 가능 기간

고객변심은 출고완료 다음날부터 14일 까지만 교환/환불이 가능함

교환/환불 비용

고객변심 또는 구매착오의 경우에만 2,500원 택배비를 고객님이 부담함

교환/환불 불가사유

반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가할 수 있음
배송된 상품의 분실, 상품포장이 훼손된 경우, 비닐랩핑된 상품의 비닐 개봉시 교환/반품이 불가능함

소비자 피해보상

소비자 피해보상의 분쟁처리 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 따라 비해 보상 받을 수 있음
교환/반품/보증조건 및 품질보증 기준은 소비자기본법에 따른 소비자 분쟁 해결 기준에 따라 피해를 보상 받을 수 있음

기타

도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 주문이 취소될 수 있음(이 경우 인터파크도서에서 고객님께 별도로 연락하여 고지함)

배송안내

  • 인터파크 도서 상품은 택배로 배송되며, 출고완료 1~2일내 상품을 받아 보실 수 있습니다

  • 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 상품을 기준으로 배송됩니다.

  • 군부대, 교도소 등 특정기관은 우체국 택배만 배송가능하여, 인터파크 외 타업체 배송상품인 경우 발송되지 않을 수 있습니다.

  • 배송비

도서(중고도서 포함) 구매

2,000원 (1만원이상 구매 시 무료배송)

음반/DVD/잡지/만화 구매

2,000원 (2만원이상 구매 시 무료배송)

도서와 음반/DVD/잡지/만화/
중고직배송상품을 함께 구매

2,000원 (1만원이상 구매 시 무료배송)

업체직접배송상품 구매

업체별 상이한 배송비 적용