밑바닥부터 시작하는 딥러닝 - 미리보기
사이토 고키 지음 | 개앞맵시(이복연) 옮김 | 24,000원 | 한빛미디어 | 2017.01.03 "직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 " 이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다. 딥러닝에 새롭게 입문하려는 분과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 최고의 책이 될 것입니다.
사이토 고키 지음 | 개앞맵시(이복연) 옮김 | 24,000원 | 한빛미디어 | 2017.01.03
"직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서 "
이 책은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서입니다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했습니다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있습니다. 딥러닝에 새롭게 입문하려는 분과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 최고의 책이 될 것입니다.
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
CONTENTS<br />
3.5 출력층 설계하기 ......................................................................................................... 90<br />
3.5.1 항등 함수와 소프트맥스 함수 구현하기 ................................................................. 91<br />
3.5.2 소프트맥스 함수 구현 시 주의점 .......................................................................... 93<br />
3.5.3 소프트맥스 함수의 특징 ..................................................................................... 94<br />
3.5.4 출력층의 뉴런 수 정하기 .................................................................................... 95<br />
3.6 손글씨 숫자 인식 ........................................................................................................ 96<br />
3.6.1 MNIST 데이터셋 ............................................................................................. 96<br />
3.6.2 신경망의 추론 처리 ......................................................................................... 100<br />
3.6.3 배치 처리 ...................................................................................................... 102<br />
3.7 정리 ...................................................................................................................... 105<br />
CHAPTER 4 신경망 학습<br />
4.1 데이터에서 학습한다! ................................................................................................ 107<br />
4.1.1 데이터 주도 학습 ............................................................................................ 108<br />
4.1.2 훈련 데이터와 시험 데이터 ............................................................................... 110<br />
4.2 손실 함수 ................................................................................................................ 111<br />
4.2.1 평균 제곱 오차 ............................................................................................... 112<br />
4.2.2 교차 엔트로피 오차 ......................................................................................... 113<br />
4.2.3 미니배치 학습 ................................................................................................ 115<br />
4.2.4 (배치용) 교차 엔트로피 오차 구현하기 ................................................................. 118<br />
4.2.5 왜 손실 함수를 설정하는가? ............................................................................. 119<br />
4.3 수치 미분 ................................................................................................................ 121<br />
4.3.1 미분 ............................................................................................................. 121<br />
4.3.2 수치 미분의 예 ............................................................................................... 124<br />
4.3.3 편미분 .......................................................................................................... 125<br />
18
Change language