DACrew 1기 주간 리뷰 8주차

🌟 본 포스팅은 데이콘 서포터즈 “데이크루" 1기 활동의 일환입니다. 🌟

 

8주차 데이크루 활동은 제가 아는 딥러닝 모델 구조를 살펴보고, 파이토치에서 딥러닝 모델의 시각화 방법을 정리하였습니다. 이번 주 다룬 딥러닝 모델 구조는 ResNet의 skip과 autoencoder입니다. 요즈음 건강상 이유로 글을 적는데 시간을 견딜 체력이 안되서 슬프네요. 공부와 이런 정보 공유를 잘 하기 위해서는 더더욱 체력과 건강관리를 해야할 필요성을 느끼는 요즘입니다.

---

👉Residual Net(Short cut) 간단히 살펴보기

Skip(ResNet 핵심요소) 간단히 살펴보기

간단히 살펴보기 시리즈로 Skip 구조에 대해 정리해보았습니다. Skip구조는 제가 딥러닝을 공부하면서, 모델 구조의 중요성을 처음으로 느낀 구조입니다. 이 모델을 공부한 이후, 모델 구성에 대한 동기(motivation)가 아주 중요함을 알게 되었고 논문을 읽을 때 꼭 그 부분에 대한 글을 읽으며 저 역시 연구할 때도 그런 모델을 만들어보려 머리를 굴려보게 됩니다.

사실 글 전체에 ResNet을 담을 수도 있었지만, 이 글을 가볍게 보고 다양한 인사이트를 얻을 수 있었으면 하여 skip만 담았습니다. skip은 CNN이외에도 다양한 데이터 종류에 적용을 할 수 있을 것 같기도 해서 이 부분만 빼서 작성을 했습니다. 많은 분들께서도 저처럼 이러한 구조로부터 인사이트를 얻을 수 있으면 좋겠습니다.

 

👉Autoencoder(오토인코더) 간단히 살펴보기

Autoencoder(오토인코더) 간단히 살펴보기

이번에 소개할 autoencoder는 제가 데이터 차원 축소에 가장 많이 활용하는 모델입니다. 대부분의 모델은 고정된 인코더를 갖거나, 선형적인 성직을 띠고 있는데요. autoencoder는 인공신경망으로 구성되다보니 비선형으로 구성할 수도 있고, 이미지에서 활용도 용이합니다.

👉딥러닝 모델 시각화: Pytorch 편

딥러닝 모델 시각화: Pytorch 편

이전에 작성했던 글을 살펴보니 Keras를 활용한 딥러닝 모델 시각화가 있었습니다. 이 때, Keras 편임을 명시하고 Pytorch 편 역시 작성하려 계획하고 있었는데요, 여러주제로 글을 쓰다보니 빠져 이번에 작성하게 되었습니다. 아무래도 Pytorch는 입문자도 안되는 수준이라 어떤 패키지가 많이 사용되는지 모르겠습니다만, 사용이 간단한 두 개의 패키지를 활용한 방법을 해보았습니다.

---

8주차로 데이크루 1기 활동이 마무리되었습니다. 다음에는 데이크루 활동 요약과 소감에 대한 글을 올릴 예정입니다.

읽어주셔 감사합니다 🥰