딥러닝 5일차 (2)

6장 챗봇 엔진에 필요한 딥러닝 모델

6.1 빠르게 케라스 정리하기

• 신경망 모델을 구축할 수 있는 고수준 API 라이브러리
• 텐서플로 2.0의 기본 API로 채택됨
• 구글의 적극적 지원

신경망을 구축할 수 있는 고수준 API
텐서프로는 프로그래머를 위한 좀 더 복잡하지만 세밀하게 조정이 된다.

케라스는 직관적으로 사용이 가능하다.
HIGH LEVEL이라는 것은 그것을 의미

노마드 코더를 추천하심
-> 교양으로 한번 보는 것을 추천

라이브러리와 프레임워크에 차이
라이브러리이면서 프레임워크인듯 한것들도 요즘 나오고 있다.

라이브러리는 도서관
프레임워크는 일을 하는데 쓰이는 틀

비슷한 작업을 할때 일괄적으로 사용되는 것

케라스로 딥러닝 모델은 만드는 것은 2가지 방법이 있음

Sequential은 쉽게 만들 수 있다.

케라스 사이트
https://keras.io

6.1.1 인공 신경망

뉴런을 수학적으로 모방한 모델
뉴런

• 다른 뉴런에서 입력 신호를 받아 일정 크기 이상의 신호인지 확인
• 뉴런이 활성화되면(임계치를 넘어서면) 다른 뉴런으로 신호를 보냄

각 뉴런은 다른 뉴런에서 입력 신호를 받아 일정 크기 이상의 신호인지 확인
임계치를 넘어서는 것을 확인시 다른 뉴런으로 신호를 보내는 형태로 구성

의미 있는 시호가 들어오면 그 신호에 반응하는 출력 신호를 내보내도록 구성

인공 신경망 뉴런(노드)에 들어온 입력값이 임계치(threshold)를 넘어 활성화되면 다음 뉴런으로 출력값을 내보냄

뉴런의 입력 수는 문제에 따라 임의 결정

뉴런의 출력은 항상 1개, 출력 수가 더 필요한 경우 출력 뉴런 수를 늘림

가중치 합, 가중합

• 각각의 입력값과 가중치를 곱하고 더한 후 바이어스(편향)을 더한 값

용어 정리
가중치:
처음 들어오는 데이터(입력층)에서 다음 노드로 넘어갈때 모두 같은 값이면 계속 같은 값이 나올것입니다. 각기 다르게 곱해야 한다는 것이 바로 가중치(weight)입니다. 가중치라는 원 단어의 뜻을 생각해봐도, 데이터를 각기 다른 비중으로 다음 은닉충으로 전달시키기 위해 웨이트, 즉 중요도(가중치)를 다르게 한다고 이해하면 됩니다.

편향:
편향은 하나의 뉴런으로 입력된 모든 값을 다 더한 다음에(가중합이라고 합니다) 이 값에 더 해주는 상수입니다. 이 값은 하나의 뉴런에서 활성화 함수를 거쳐 최종적으로 출력되는 값을 조절하는 역할을 한다.

출처 https://jh2021.tistory.com/3

학습

• 실제 정답에 근사하는 출력값을 만들기 위해 뉴런의 가중치와 편향값을 반복적으로 조정하는 과정

오차를 최소화한다.