3.2.15 [딥러닝] 개요

딥러닝 (DeepLearning)

 

딥러닝은 인공신경망(Artificial Neural Network)을 기반으로 한 머신러닝의 한 분야이다. 다층 신경망을 사용하여 데이터에서 복잡한 패턴과 관계를 학습하며, 사람의 사고방식에 가까운 방식으로 문제를 해결할 수 있다. 딥러닝은 이미지 인식, 자연어 처리, 음성 인식 등 다양한 분야에서 뛰어난 성능을 보이고 있다.

👉🏻 딥러닝 활용 분야 : 이미지 분류, 객체 검출, 이미지 분할

 

• 머신러닝과 딥러닝

머신러닝은 데이터를 기반으로 모델을 학습하여 예측이나 분류를 수행하는 기술이다.

반면, 딥러닝은 머신러닝의 하위 분야로, 다층 구조의 인공신경망을 사용하여 데이터에서 더 깊은 의미와 특징을 자동으로 추출한다.

머신러닝에서는 특징을 사람이 설계해야 하지만, 딥러닝에서는 자동화된 특징 추출이 가능하다.

딥러닝은 대규모 데이터와 연산 자원을 필요로 하지만, 더 복잡한 문제를 해결할 수 있다.

 

 

딥러닝 핵심 기술

 

• 딥러닝 주요 알고리즘

1. CNN(Convolutional Neural Network)

- 주로 이미지 처리에 사용되며, 컨볼루션 연산을 통해 공간적인 계층 구조를 학습한다.

2. RNN(Recurrent Neural Netowrk)

- 순차 데이터, 특히 자연어 처리나 시계열 데이터 분석에 효과적이다.

- LSTM과 GRU와 같은 변형이 자주 사용된다.

3. GAN(Generative Adversarial Network)

- 생성 모델로, 두 네트워크(생성자와 판별자)가 서로 경쟁하며 데이터를 생성하고 평가하는 방식이다.

- 이미지 생성, 스타일 변환 등에 활용된다.

4. Transformer

- 자연어 처리에서 특히 중요한 모델로, 병렬 처리와 셀프 어텐션 메커니즘을 통해 대규모 데이터 학습에 효과적이다.

 

• 딥러닝 오픈 프레임워크

딥러닝을 효과적으로 구현하기 위해 다양한 소스 프레임워크가 존재한다.

 

1. TensorFlow

- Google에서 개발한 프레임워크로, 확장성이 뛰어나고 다양한 플랫폼에서 실행 가능하다. 딥러닝 연구와 상용화 모두에 적합하다.

2. PyTorch

- Facebook에서 개발한 프레임워크로, 직관적인 코드 작성과 동적 그래프 생성 기능으로 연구자들 사이에서 인기가 많다.

3. Keras

TensorFlow 기반의 고수준 API로, 간단하고 빠르게 딥러닝 모델을 구현할 수 있다.

4. MXNet

Amazon에서 개발한 프레임워크로, 분산 학습과 효율적인 자원 활용에 강점이 있다.

5. Caffe

주로 이미지 처리에 특화된 프레임워크로, 비교적 간단한 구조와 빠른 실행 속도를 제공한다.

 

 

pyTorch

 

2017년 페이스북에서 과학 연산을 위한 라이브러리로 개발되었다. 이후 GPU를 이용한 텐서 조작 및 신경망 구축이 가능한 딥러닝 프레임워크로 발전하였다. 가속화된 계산 속도를 제공하고 현재 많은 딥러닝 모델 개발에 사용되고 있다.

 

❓ 텐서

- pyTorch 에서 데이터를 표현하기 위한 기본 데이터 구조

- 일반적으로 수치형 데이터를 저장

- Numpy의 ndarray형과 비슷함

- GPU를 사용하여 빠른 연산 가능

 

• 파이토치의 구성 요소

- torch : 메인 네임 스페이스로, 텐서 등의 다양한 수학 함수 포함

- torch.autograd : 자동 미분 기능을 제공하는 라이브러리

- torch.nn : 신경망 구축을 위한 데이터 구조나 레이어 등의 라이브러리

- torch.multiprocessing : 병렬처리 기능을 제공하는 라이브러리

- torch.optim : SGD(Stochastic Gradient Descent)를 중심으로 한 파라미터 최적화 알고리즘 제공

- torch.utils : 데이터 조작 등 유틸리티 기능 제공

- torch.onnx : ONNX(Open Neural Network Exchange), 서로 다른 프레임워크 간 모델 공유 시 사용