본문 바로가기

IT38

FNN이란? Keras, TensorFlow, PyTorch로 구현하는 딥러닝 기초 딥러닝을 시작할 때 가장 먼저 배우는 모델 중 하나가 FNN(Feedforward Neural Network)입니다. 그리고 이 모델을 구현하기 위해선 Keras, TensorFlow, PyTorch와 같은 딥러닝 프레임워크를 활용하게 됩니다. 하지만 입문자에게는 어떤 프레임워크를 써야 할지, 이들이 어떤 차이가 있는지 혼란스러울 수 있습니다. 이번 글에서는 FNN의 개념부터 시작해 대표적인 프레임워크 3종의 특징, 장단점, 선택 가이드를 한눈에 정리해드립니다.📚 목차1. FNN(Feedforward Neural Network)이란?2. Keras 프레임워크3. TensorFlow 프레임워크4. PyTorch 프레임워크5. 프레임워크 선택 가이드6. 마무리 요약1. FNN(Feedforward Neur.. 2025. 4. 11.

옵티마이저 개념부터 SGD, Adam까지 비교 분석 딥러닝 모델을 학습시킬 때 가장 기본이 되는 개념 중 하나가 경사하강법(Gradient Descent)입니다. 하지만 경사하강법만으로는 모든 학습 문제를 해결하기엔 한계가 분명합니다. 이러한 한계를 보완하고, 학습 속도와 안정성을 높이기 위해 등장한 것이 바로 옵티마이저(Optimizer)입니다. 이번 글에서는 경사하강법의 단점부터 시작해 옵티마이저의 개념, 대표 알고리즘까지 쉽게 설명해드립니다.📚 목차1. 경사하강법이란?2. 경사하강법의 한계3. 옵티마이저란 무엇인가?4. 대표적인 옵티마이저 종류5. 옵티마이저 선택 시 고려할 점6. 마무리 요약1. 경사하강법이란?경사하강법(Gradient Descent)은 머신러닝과 딥러닝에서 가장 기본적인 최적화 알고리즘입니다. 비용 함수의 값을 최소화하기 위해 .. 2025. 4. 10.

딥러닝 최적화 알고리즘 총정리: SGD, Momentum, RMSProp, Adam 딥러닝 모델을 학습시킬 때, 어떤 옵티마이저를 선택하느냐에 따라 결과는 크게 달라질 수 있습니다. 기본 경사하강법을 개선한 다양한 최적화 알고리즘이 존재하며, 그 중 가장 널리 사용되는 네 가지가 바로 SGD, Momentum, RMSProp, Adam입니다. 이번 글에서는 이 4가지 옵티마이저의 작동 원리, 특징, 장단점, 그리고 사용 시 고려할 점까지 한 번에 정리해보겠습니다.📚 목차1. SGD (Stochastic Gradient Descent)2. Momentum 옵티마이저3. RMSProp 옵티마이저4. Adam 옵티마이저5. 4대 옵티마이저 비교표6. 마무리 요약1. SGD (Stochastic Gradient Descent)SGD는 경사하강법의 가장 기본적인 형태입니다. 전체 데이터셋이 아.. 2025. 4. 10.

딥러닝 출력층에서 소프트맥스 함수가 사용되는 이유 딥러닝에서 이미지 분류나 문장 분류와 같은 다중 클래스 분류 문제를 풀기 위해서는 클래스별로 예측 확률을 계산할 수 있어야 합니다. 이때 가장 많이 쓰이는 함수가 바로 소프트맥스 함수(Softmax Function)입니다. 소프트맥스는 여러 개의 숫자 출력값을 확률 값(총합 1)으로 변환해 주기 때문에 출력층에서 각 클래스에 속할 확률을 직접적으로 얻을 수 있게 도와줍니다. 이번 글에서는 소프트맥스 함수의 개념, 수식, 특징, 사용 위치 등을 시각적으로 정리해보겠습니다.📚 목차1. 소프트맥스 함수란?2. 소프트맥스 수식과 계산 원리3. 소프트맥스의 특징4. 언제, 어디서 사용되는가?5. 마무리 요약1. 소프트맥스 함수란?소프트맥스 함수(Softmax Function)는 주어진 실수 벡터를 확률 분포로 .. 2025. 4. 9.

신경망의 구조 – 입력층, 은닉층, 출력층 완벽 이해하기 딥러닝을 공부하다 보면 가장 먼저 접하는 단어가 바로 "신경망(Neural Network)"입니다. 그리고 그 구조를 이해하는 데 있어 가장 기본이 되는 개념은 바로 **입력층, 은닉층, 출력층**입니다. 신경망은 단순한 선형 모델과 달리 여러 개의 노드(Node)와 층(Layer)으로 구성되어 있으며, 데이터가 입력에서 출력으로 흐르면서 점점 더 복잡한 패턴을 학습합니다. 이번 글에서는 인공신경망의 기본 구조를 이루는 세 가지 층에 대해 쉽고 명확하게 정리해보겠습니다.📚 목차1. 신경망이란 무엇인가?2. 입력층(Input Layer)3. 은닉층(Hidden Layer)4. 출력층(Output Layer)5. 층 구조가 중요한 이유6. 마무리 요약1. 신경망이란 무엇인가?신경망(Neural Networ.. 2025. 4. 9.

경사하강법과 미분 – 머신러닝이 배우는 원리 완전 정리 머신러닝과 딥러닝에서 모델이 학습을 한다는 건, 단순히 데이터를 외우는 게 아닙니다. 모델이 점점 더 정확한 예측을 하기 위해 **조금씩 스스로를 개선**해나가는 과정이죠. 그 핵심에 있는 것이 바로 경사하강법(Gradient Descent)입니다. 그리고 이 경사하강법은 고등학교 수학 시간에 배운 **“접선의 기울기”, 즉 미분값**과 놀랍도록 깊은 관련이 있습니다. 이번 글에서는 머신러닝이 오차를 줄여나가는 과정을 미분의 시선으로 쉽게 풀어보겠습니다.📚 목차1. 경사하강법이란?2. 비용 함수와 최소값 찾기3. 접선의 기울기 = 미분값이 왜 중요할까?4. 경사하강법이 작동하는 과정5. 학습률(learning rate)의 의미6. 마무리 요약1. 경사하강법이란?경사하강법(Gradient Descent).. 2025. 4. 8.

이전 1 2 3 4 ··· 7 다음

티스토리툴바