파이토치로 배우는 LLM & AI

92

1

부

모델 구축

10

개의 뉴런으로 구성된 마지막 선형 층은 이전 층의

128

개 뉴런에서 나오는 출력을 받습니

다. 따라서 마지막 층의 파라미터는 (

128

×

10

) +

10

인

1

,

290

개가 됩니다.

전체 파라미터 개수는 이를 모두 더한

333

,

898

개입니다.

신경망을 훈련하는 것은 입력 이미지를 레이블에 매핑하기 위해 이런

333

,

898

개 파라미터의

최상의 조합을 학습하는 것입니다. 파라미터가 많아 학습이 오래 걸리지만 결과에서 확인할 수

있듯이 더 정확한 모델을 만듭니다!

물론 이 데이터셋은

28

×

28

크기의 흑백 이미지이고 중앙에 정렬되어 있습니다. 다음에는 말

과 사람의 컬러 사진으로 구성된 조금 더 복잡한 데이터셋에 합성곱 층을 사용해 이미지에 말

이나 사람이 포함되었는지 구별해 보겠습니다. 이번 데이터셋은 패션

MNIST

처럼 중앙에 이미

지가 정렬되어 있지 않습니다. 따라서 합성곱을 사용해 특징을 잡아내야 합니다.

3.5

말과 사람을 구별하는

CNN

만들기

이번 절에서는 패션

MNIST

데이터셋보다 조금 더 복잡한 문제를 다뤄봅니다. 이전에 배웠던

합성곱과 합성곱 신경망을 확장해 특징의 위치가 동일하지 않은 이미지를 분류해 보겠습니다.

이를 위해 필자가 직접 말-사람 데이터셋을 만들었습니다.

3.5.1

말-사람 데이터셋

이번 절에서 사용하는 데이터셋은

300

×

300

픽셀 이미지 수천 개를 담고 있으며 여러 포즈의

말과 사람이 거의 절반씩 구성되어 있습니다. 몇 가지 샘플을 [그림

3

-

7

]에서 볼 수 있습니다.

93

3

장

고급 ...