October 2024
Beginner to intermediate
340 pages
7h 38m
Korean
Content preview from 밑바닥부터 시작하는 딥러닝 5
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
283
10
장
확산 모델 응용
이던스는 크게 ‘분류기 가이던스’와 ‘분류기 없는 가이던스’로 나뉩니다. 분류기 가이던스부터
설명하겠습니다.
10.3.1
분류기란?
분류기 가이던스
classifier
guidance
[
22
]
는 분류기를 사용하여 데이터 생성을 안내하는 방법입니다.
분류
기
classifier
란 [그림
10
-
8
]과 같이 데이터를 분류하는, 학습된 신경망을 말합니다.
그림
10-8
(매개변수가 인 ) 학습된 신경망으로 분류하는 예
NN
0
1
2
3
9
...
그림의 신경망은 시각
t
에서의 노이즈 이미지
x
t
를 입력받아 클래스
y
의 확률
p
z
(
y
|
x
t
)
를 출
력합니다. 분류기인 이 신경망을 활용하면 일반적인 확산 모델을 조건부 확산 모델로 바꿀 수
있습니다. 그러려면 다음 두 가지를 숙지해야 합니다.
●
확산 모델은 점수인
d
x
t
log
p
(
x
t
)
를 예측하는 신경망으로 구현할 수 있다.
●
(같은 원리로) 조건부 확산 모델은 조건부 확률 점수인
d
x
t
log
p
(
x
t
|
y
)
를 예측하는 신경망으로 구현할 수
있다.
이 두 가지를 바탕으로 식을 변형하여 분류기 가이던스를 도출해보겠습니다.
10.3.2
분류기 가이던스 도출
먼저 조건부 확률
p
(
x
t
|
y
)
를 베이즈 정리를 이용해 다음 식으로 표현합니다.
그런 다음
x
t
에 대한 기울기
d
x
t
를 구합니다.
284 ...