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.
6.2.2 은닉층의 활성화값 분포 ................................................................................... 203<br />
6.2.3 ReLU를 사용할 때의 가중치 초깃값 ................................................................... 207<br />
6.2.4 MNIST 데이터셋으로 본 가중치 초깃값 비교 ....................................................... 209<br />
6.3 배치 정규화 ............................................................................................................. 210<br />
6.3.1 배치 정규화 알고리즘 ...................................................................................... 210<br />
6.3.2 배치 정규화의 효과 ......................................................................................... 212<br />
6.4 바른 학습을 위해 ...................................................................................................... 215<br />
6.4.1 오버피팅 ....................................................................................................... 215<br />
6.4.2 가중치 감소 ................................................................................................... 217<br />
6.4.3 드롭아웃 ....................................................................................................... 219<br />
6.5 적절한 하이퍼파라미터 값 찾기 ................................................................................... 221<br />
6.5.1 검증 데이터 ................................................................................................... 221<br />
6.5.2 하이퍼파라미터 최적화 .................................................................................... 223<br />
6.5.3 하이퍼파라미터 최적화 구현하기 ....................................................................... 224<br />
6.6 정리 ...................................................................................................................... 226<br />
CHAPTER 7 합성곱 신경망(CNN)<br />
7.1 전체 구조 ................................................................................................................ 227<br />
7.2 합성곱 계층 ............................................................................................................. 229<br />
7.2.1 완전연결 계층의 문제점 ................................................................................... 229<br />
7.2.2 합성곱 연산 ................................................................................................... 230<br />
7.2.3 패딩 ............................................................................................................. 232<br />
7.2.4 스트라이드 .................................................................................................... 233<br />
7.2.5 3차원 데이터의 합성곱 연산 ............................................................................. 235<br />
7.2.6 블록으로 생각하기 .......................................................................................... 237<br />
7.2.7 배치 처리 ...................................................................................................... 239<br />
21