[TIL] Artificial Intelligence[1] : July 7, 2020

Intro

딥러닝/인공지능과 관련된 강의를 듣게 되어 기초부터 처음부터 차근차근 천천히 정리하며 학습을 진행해보려 한다. 누구 한 명은 봐주겠지.

Training Logic

학습용 Data가 주어지게 되면 컴퓨터는 이를 기반으로 Model을 생성하게 된다. 이 Model을 기반으로 컴퓨터는 예측을 하고, 컴퓨터가 예측한 데이터와 Data에 Label된 데이터를 기반으로 Loss를 산출하게 되고, 이 Loss를 기반으로 Optimization을 하는 과정을 반복하여 Result를 출력한다.

Data

• Model을 만들기 위한 데이터
• 모델에 들어가기 전 데이터 전처리 필요
• Model에 데이터를 넣을 시 Batch로 만들어서 Model에 입력

Model

• LeNet, AlexNet, VGG, ResNet 등 성격에 맞게 분류해주는 다양하게 설계된 모델 존재
• Convolution Layer, Pooling 등 다양한 Layer 구성
• Model에 Training Param 존재
• 학습하려는 데이터의 종류에 따라 가장 효율적인 Model을 선택하는 것이 관건

Prediction / Logic

• 컴퓨터가 Model을 기반으로 각 Class별로 예측한 값
  
• 예를 들면, 컴퓨터에 각 과일에 대한 데이터를 기반으로 Model을 생성했다고 하면, 컴퓨터는 어떠한 특정 값이 입력되었을 때 이 Model을 기반으로 해당 입력 값에 대한 예측을 진행한다.
• 이 때 각 Class별로 어느 정도 값이 일치하는 지에 대해 수치 상으로 출력하게 되며, 이를 Prediction이라고 한다.
• 위 이미지를 예로 들자면 컴퓨터가 사과일 확률 0.65, 수박일 확률 0.15, 딸기 0.1, 포도 0.05, 바나나 0.05 라고 예측했으며, 이 중 가장 높은 값이 모델이 예상하는 Class 또는 정답이다.
• 위 값이 정답이라고 할 때 얼마나 맞았는지, 틀렸는지 확인이 가능

Loss / Cost

• 예측한 값이 입력 시 Label된 정답과 비교해서 정답률을 확인
• Cross Entropy와 같은 다양한 Loss Function 존재
• Loss는 오답률을 말하며, 이 값을 최소화 시키는 것이 학습의 과정

Optimization

• Loss 값을 최소화 하기 위한 과정
• 내부 Weight 변경을 통해 Model 최적화를 진행하는 과정

Result

• 위 과정을 우리가 원하는 만큼 반복한 뒤에 나오는 최종 결과물
• 평가할 때 또는 예측된 결과를 확인할 때는 예측된 값에서 argmax를 통해 가장 높은 값을 예측한 class