|
:: 게시판
:: 이전 게시판
|
- PGR21 관련된 질문 및 건의는 [건의 게시판]을 이용바랍니다.
- (2013년 3월 이전) 오래된 질문글은 [이전 질문 게시판]에 있습니다. 통합 규정을 준수해 주십시오. (2015.12.25.)
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
18/11/06 16:42
Supervised Learning을 보고 계시다는 가정하에(MNIST나 ImageNet 등등을 정답을 가지고 학습한후에 판별하는..)
Training set으로 학습을 시켰으면 Test Set으로 판별을 시켜야겠죠. 테스트를 하기 위해서 고양이 그림을 주면 이게 고양이일 확률이 몇%이고 개일 확률이 몇%다 뭐 이런식으로 나오게 됩니다. 그럼 그게 맞는지 아닌지를 토대로 최종적으로 Test Set에 대한 정확도를 구하게 됩니다. 예를 들어 학습을 왕창 시켰더니 100개의 테스트 셋 중에 95개를 맞출수 있게 되었더라 하는거죠. 그림을 만들거나 텍스트를 생성하는건 좀 더 나아간 얘기이구요. 어떤 책을 어떻게 보고 계신지 모르겠는데 좀더 찬찬히 읽어보시는게 좋을듯 합니다. 아직 틀이 안잡히셔서 눈에 안들어시는걸꺼에요. 저도 첨에 엄청 해맸습니다.
18/11/06 16:57
모두의 딥러닝이란 책이 젤 쉬워보여서 그걸보고있는데..
그럼 트레이닝셋을 cvs파일로 수치와 결과값을 넣어서 학습시키고 테스트셋을 cvs파일로 만들어서 실제결과값과 예측한 결과값의 정확도 판단정도를 할수있겠네요 그림판단하거나 하는건 좀 더 공부해야겠군요..감사합니다
18/11/06 17:02
아 혹시 초반부에 linear regression같은거 보고 계시다면..
결국 내가 예측한 모델이 얼마나 높은 정확도(=낮은 오차)를 가지는지를 결과로 내놓게 됩니다. (결과이기도 하고.. 학습할때 evaluation의 기준이 되기도 하겠죠) n개의 (x,y) 좌표를 토대로 y=ax+b graph를 학습하게 되면 학습 대상이 되는 좌표들과의 오차의 합이 결국 정확도가 되겠죠.
18/11/06 16:59
인공신경망은 여러가지 학습 방법이 있습니다. Crash 님께서 보고 계시는 부분은 지도학습(supervised learning)으로 생각됩니다.
이러한 형태의 학습과정을 큰 틀에서 살펴보면, 입력 데이터 -> 딥러닝 네트워크 -> 출력(결과) 의 구조를 가지고, 결과와 입력 데이터에 대한 정답을 비교하여 네트워크의 가중치를 수정합니다. 학습을 통해서 네트워크가 학습이 완료 된 후 실제 입력을 네트워크에 넣으면 출력이 나오는 것입니다. 책에서 나오는 정확도는 이 출력이 정답일 확률을 의미하는 것이고요.
18/11/06 17:03
만약 고민하시는 부분이.. 공개된 강아지 데이터 셋으로 학습을 시켜서 90%의 정확도를 가짐을 확인을 했는데,
이걸 활용해서 내가 찍은 우리집 댕댕이 사진을 강아지라고 인식하는지 보고 싶다. 를 의미하시는 것이면... 조금 더 공부해보시고, 직접 구현을 해보시면 바로 이해가 가실겁니다.
|
||||||||||