Deep Learning through deep learning

GAN 에 대한 기본적인 훈련을 마쳤으니 이제는 좀 더 안정적이고 고품질의 이미지를 생성해보자. 사실상 이전의 모델은 돌려봤다는 느낌뿐이지 이게 이미지인지 그저 픽셀인지 긴가민가하다. 이 글의 전체적인 내용은 #2 이전 글의 GAN 모델의 이미지 품질 및 안정성 향상을 위한 Convolution Neural Network (CNN) 모델 구조 변경이다. 이전 코드와 데이터셋을 그대로 사용하면서 몇 가지 수정할 부분만 추가할 예정이다. Coding DCGAN CelebA 얼굴이미지 데이터 (이미지 데이터 형식)를 활용한 DCGAN 더보기 1. 기존의 코드에서 몇 가지 수정을 거치면 된다. class Discriminator(nn.Module): def __init__(self): super().__init..

본격적으로 GAN에 대해 알아가보자. 해당 글은 이미 널리다시피 널린 GAN에 대한 이론정보를 이미 어느정도 파악한 후 본격적으로 구현하고자 하는 의지를 가진 사람들을 위해 작성되었다. GAN 의 이론을 빠르게 훑자. 해당 글의 목적은 활용에 있지 구현에 있지 않다는 것을 명시하고 간다. Theory GAN은 당연하게도 기존의 인공신경망(ANN)의 구조에서 시작된다. Multi Layer Perceptron 을 예시로 들자면, MLP에서는 이미지를 입력으로 넣어 클래스에 대한 정보를 출력해냈다면, GAN에서는 출력된 정보를 입력으로 넣어 이미지를 뽑아내는 백쿼리 이론을 따른다. GAN 에서는 적대적 훈련이라고 부르는 Discriminator, Generator 두 신경망이 존재하는데, 쉽게 말해 G에서는..

GAN 모델은 연구실 과제로 시작되어 논문까지 함께한 모델이다. 수많은 blog, kaggle, github, paper with code 등을 찾아보며 반년을 고심한 끝에 GAN 모델에 대해 어느정도 체계가 잡혔다. 지금까지 연구해온 GAN 모델에 대한 데이터셋을 만드는 과정에서부터 내가 원하는 결과를 뽑아내는 것까지 자세하게 다뤄보고자 한다. 모델의 단계는 다음과 같다. 1. GAN GAN, WGAN, WGAN-GP, LSGAN 순의 모델들이 있다. 이미지 생성 모델의 근간이 되는 모델로서, 이미지 생성까지의 과정만을 다룬다. 2. CGAN CGAN, DCGAN, Pix2Pix, CycleGAN 순의 모델들이 있다. 조건을 추가한 이미지 생성 모델로서, 이미지 생성에 그치지 않고 원하는 스타일의 이미..

2022년 3월을 기점으로 2023년 8월이 되기까지 1년 반정도 딥러닝에 대한 공부를 하였다. 딥러닝에 대한 공부를 해오면서 들었던 의문과 고찰을 적어두려고 한다. 1. 딥러닝을 공부한다는 것 처음에는 남들과 다르지 않은 이유로 '가볍게' 보고 딥러닝을 시작하였다. 그저 오픈소스를 가져와 내가 원하는 데이터 형식을 넣으면 모든지 만들 수 있겠다는 자신감이었다. 틀린말은 아니지만, 그 과정이 결코 쉽지 않음을 점차 공부를 하면서 깨닫게 되었다. 딥러닝에 대한 학습을 하면서 계속해서 들었던 의문은 '그래서 딥러닝이라는게 뭔데?' 였다. 처음부터 끝까지 손수 프로그래밍하여 새로운 알고리즘을 짜내는 것인가? 아니라고 생각한다. 구글링 실력을 통해 오픈소스를 찾아 활용하기만하면 되는것인가? 아니라고 생각한다. ..

https://github.com/kkimtaejung/All_heuristic.git GitHub - kkimtaejung/All_heuristic: 모든 코드 모음 창고 + 블로그 모든 코드 모음 창고 + 블로그. Contribute to kkimtaejung/All_heuristic development by creating an account on GitHub. github.com MLP 딥러닝의 시작의 토대가 되는 내용입니다. Perceptron (Single Layer Perceptron, Multi Layer Perceptron) Linear Regression Non-Linear Regression 코드의 직접 구현 & Tensorflow CNN SLP ㅡ> MLP ㅡ> CNN 까지의 전반..