AI/GAN

GOAL - 생성 모델링 중 오토인코더가 무엇인지 알고 작동 방법을 알아본다. - 변이형 오토인코더를 MNIST 데이터 셋으로 간단하게 구현시켜 확인 오토인코더(AutoEncoder)란? - 오토인코더는 인코더와 디코더로 이루어진 신경망 - 인코더(encoder) 네트워크 : 고차원 입력 데이터 -> 저 차원 표현 벡터(representation vector)로 압축 - 디코더(decoder) 네트워크 : 주어진 표현 벡터 -> 원본 차원으로 압축 해제 - 위의 그림은 오토인코더의 예시를 만들어 보았습니다. 원본 입력은 인코더와 디코더를 지나서 재구성된 이미지로 출력되며 네트워크는 입력과 재구성된 이미지 사이의 손실을 최소화하는 가중치 매개변수를 찾기 위해 훈련합니다. - 표현 벡터라는 것은 원본 이미지..

출처 : 미술관에 GAN 딥러닝 실전 프로젝트 출처를 가지고 공부한 내용을 정리한 포스팅입니다. - 이때까지 딥러닝을 공부하면서 판별 모델링에만 익숙하여 생성 모델링을 공부했을 때는 한 번에 다가오지 않는 개념이었습니다. 확률을 이용하여 생성하는 생성 모델링에 대해 이 책은 판별 모델링과 비교하여 설명하기 때문에 이해하기 좋은 것 같습니다. 생성 모델링 - 크게 본다면 확률 모델의 관점에서 생성 모델은 데이터 셋을 생성하는 방법을 기술한 것 - 모델에서 샘플링하면 새로운 데이터를 생성할 수 있다. - 훈련 데이터 : 생성하려는 데이터 개체의 샘플을 많이 가진 데이터 셋 - 샘플 : 데이터 포인트 하나, 샘플은 많은 특성(feature)으로 이루어진다. - 생성 모델은 확률적이어야 하며, 모델은 생성되는 ..