밑바닥부터 시작하는 딥러닝

96

밑바닥부터 시작하는 딥러닝

그림

3-23

출력층의 뉴런은 각 숫자에 대응한다.

출력층입력층

임의의 계산

[그림

3

-

23

]의 예에서 출력층 뉴런은 위에서부터 차례로 숫자

0

,

1

, ... ,

9

에 대응하며, 뉴런

의 회색 농도가 해당 뉴런의 출력 값을 의미합니다. 이 예에서는 색이 가장 짙은

y

2

뉴런이 가

장 큰 값을 출력하는 것이죠. 그래서 이 신경망이 선택한 클래스는

y

2

, 즉 입력 이미지를 숫자

‘

2

’로 판단했음을 의미합니다.

3.6

손글씨 숫자 인식

신경망의 구조를 배웠으니 실전 예에 적용해보죠. 바로 손글씨 숫자 분류입니다. 이번 절에서

는 이미 학습된 매개변수를 사용하여 학습 과정은 생략하고, 추론 과정만 구현할 겁니다. 이 추

론 과정을 신경망의

순전파

forward

propagation

라고도 합니다.

기계학습과 마찬가지로 신경망도 두 단계를 거쳐 문제를 해결합니다. 먼저 훈련 데이터(학습 데이

터)를 사용해 가중치 매개변수를 학습하고, 추론 단계에서는 앞서 학습한 매개변수를 사용하여 입력 데이터

를 분류합니다.

3.6.1

MNIST

데이터셋

이번 예에서 사용하는 데이터셋은

MNIST

라는 손글씨 숫자 이미지 집합입니다.

MNIST

는 기

계학습 분야에서 아주 유명한 데이터셋으로, 간단한 실험부터 논문으로 발표되는 연구까지 다

97

3

장

-

신경망

양한 곳에서 ...