상세정보
미리보기
딥러닝 부트캠프 with 케라스
- 저자
- 후지타 카즈야,다카하라 아유무 공저/이기홍 역
- 출판사
- 길벗
- 출판일
- 2018-07-13
- 등록일
- 2021-11-22
- 파일포맷
- EPUB
- 파일크기
- 0
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
GPU 실습 환경 준비부터 이미지 분류, 물체 검출, 강화 학습까지
딥러닝은 이미지 인식, 음성 인식, 자연어 처리 등의 분야에서 가장 활발하게 이용되고 있다. 이 책은 그중 ‘이미지 인식’에 초점을 맞춰 이미지 클래스 분류, 물체 검출 등을 케라스로 쉽고 빠르게 실습하면서 딥러닝의 원리를 익히도록 구성했다. 또한, 게임, 자율 주행 등에 많이 활용되는 강화 학습으로 삼목 게임에 강한 컴퓨터도 만들어 본다.
저자소개
니가타 현에서 태어나 니가타대학 교육학부 수학과를 졸업한 후, 니가타 현 공립중학교에서 수학 교사로 근무했다. 그 후 IT 시스템 회사에 근무하면서 웹 시스템을 개발하고 관공서 등의 통계 업무를 담당했다. 2004년에 주식회사 포워드 네트워크를 설립, 대표이사로 취임했다.
목차
1장 이 책의 개요와 준비
1.1 이 책의 구성
__딥러닝의 성과
__이 책에서 학습하는 내용 : 이미지의 클래스 분류, 물체 검출, 강화 학습
__이 책에서 다루는 기법 : 사전 학습된 모델의 이용
1.2 이 책에서 사용하는 데이터셋
1.3 사용하는 기기와 소프트웨어
__사용하는 프레임워크
__GPU의 이용
__사용하는 기기 : 게임용 PC
__OS 및 미들웨어
1.4 소프트웨어 설치
__OS 설치
__미들웨어 설치
1.5 예제 파일 내려받기
__파일 내려받기
__내려받은 파일의 압축 풀기
2장. 네트워크의 구성
2.1 순전파형 네트워크
__전결합 신경망
__합성곱 신경망(CNN)
2.2 합성곱 신경망
__합성곱층
__풀링층
__업샘플링층
2.3 이 책에서 사용하는 네트워크 패턴
3장 기본 용어
3.1 딥러닝의 처리 개요
3.2 활성화 함수
3.3 손실 문제
3.4 확률적 경사 하강법
__가중치 업데이트의 계산 예
__모멘텀
3.5 오차역전파법
3.6 과학습
__밸리데이션 데이터셋을 사용한 에폭 수 결정
__정규화
__드롭아웃
3.7 데이터 확장과 전처리
3.8 사전 학습된 모델
3.9 학습 계수 조정
4장. 이미지 클래스의 분류
4.1 개요
4.2 공통 데이터의 구축
__이미지 데이터셋 내려받기
__데이터 추출과 기본 데이터셋의 구축
__데이터 확장과 공통 데이터셋의 구축
4.3 9층의 네트워크로 클래스 분류
__네트워크의 개요
__학습과 모델 만들기
__모델 읽기와 예측 실행
__실행
4.4 VGG-16으로 클래스 분류 : 16층의 사전 학습된 모델
__VGG-16의 개요
__프로그램의 개요
__실행
4.5 ResNet-152로 클래스 분류 : 152층의 사전 학습된 모델
__ResNet의 개요
__실행 환경 설치
__프로그램의 개요
__실행
4.6 예측 정확도 더 향상시키기
__개요
__복수 모델 사용
__2단계 일반화
__자기 학습
5장. 물체 검출
5.1 물체의 위치 검출 : 26층의 네트워크
__물체의 위치와 크기, 종류 예측
__사용하는 소프트웨어의 특성
__실행 환경 설치
__사전 학습된 모델을 이용하여 물체 검출
__오브젝트를 학습하여 물체 검출
5.2 물체의 형태 검출 : 23층의 네트워크
__물체의 위치와 크기, 형태 예측
__사용하는 모델과 특성
__프로그램의 개요
__실행 예
6장. 강화 학습 : 삼목 게임에 강한 컴퓨터 키우기
6.1 강화 학습
__강화 학습의 개요
__Q 러닝
__DQN
6.2 기본 틀
__환경과 에이전트
__실행 개요
__환경 규칙
6.3 실행 환경의 설치
6.4 Q 러닝과 딥러닝
6.5 실행 사례
부록
A Yolo용 오브젝트의 위치 정보를 만드는 방법
__BBox-Label-Tool 설치
__오브젝트의 위치 정보 만들기
B 주요 예제 소스
__4장에서 사용한 예제 소스
__5장에서 사용한 예제 소스
__6장에서 사용한 예제 소스
