확장메뉴
주요메뉴


소득공제
미리보기 공유하기

만들면서 배우는 파이토치 딥러닝

: 12가지 모델로 알아보는 딥러닝 응용법

리뷰 총점9.5 리뷰 15건 | 판매지수 3,951
베스트
OS/데이터베이스 top100 24주
정가
40,000
판매가
36,000 (10% 할인)
YES포인트
배송안내
서울특별시 영등포구 은행로
지역변경
  • 배송비 : 무료 ?
  •  국내배송만 가능
  •  최저가 보상
  •  분철옵션 선택 시, 영업일 기준 3일내 출고됩니다.
  •  분철상품은 해외배송이 불가합니다.
  •  문화비소득공제 신청가능
[대학생X취준생] 지치지 않는 자, 점수를 잡는다! - 리유저블텀블러/한국문학 담요/슬라이드 파일 증정
월간 개발자 2022년 1월호
YES24 트윈링 분철 : 인서트라벨/스티커 택1 증정
1월 전사
현대카드
1 2 3 4 5

품목정보

품목정보
출간일 2021년 08월 05일
쪽수, 무게, 크기 544쪽 | 183*235*35mm
ISBN13 9791162244609
ISBN10 1162244607

이 상품의 태그

책소개 책소개 보이기/감추기

딥러닝을 진정으로 가치 있게 활용하는 방법!

딥러닝은 입출력 데이터와 손실함수만 잘 정의한다면 다양한 분야의 과제를 해결할 수 있다. 딥러닝 응용 방법으로 전이학습과 파인튜닝을 활용한 화상(이미지) 분류, 물체 감지, 시맨틱 분할, 자세 추정, GAN을 활용한 화상 생성 및 이상 탐지, 텍스트 데이터 감정 분석, 동영상 데이터 클래스 분류를 다뤘다. 직무 특성에 따른 도메인 지식과 딥러닝 구현 능력을 갖춘 인재로 성장하여 활약하는 데 이 책이 도움이 될 것이다.

목차 목차 보이기/감추기

CHAPTER 1 화상 분류와 전이학습(VGG)

1.1 학습된 VGG 모델을 사용하는 방법
1.2 파이토치를 활용한 딥러닝 구현 흐름
1.3 전이학습 구현
1.4 아마존 AWS의 클라우드 GPU 머신을 사용하는 방법
1.5 파인튜닝 구현

CHAPTER 2 물체 감지(SSD)

2.1 물체 감지란
2.2 데이터셋 구현
2.3 데이터 로더 구현
2.4 네트워크 모델 구현
2.5 순전파 함수 구현
2.6 손실함수 구현
2.7 학습 및 검증 실시
2.8 추론 실시

CHAPTER3 시맨틱 분할(PSPNet)

3.1 시맨틱 분할이란
3.2 데이터셋과 데이터 로더 구현
3.3 PSPNet 네트워크 구성 및 구현
3.4 Feature 모듈 설명 및 구현(ResNet)
3.5 Pyramid Pooling 모듈 설명 및 구현
3.6 Decoder, AuxLoss 모듈 설명 및 구현
3.7 파인튜닝을 활용한 학습 및 검증 실시
3.8 시맨틱 분할 추론

CHAPTER 4 자세 추정(OpenPose)

4.1 자세 추정 및 오픈포즈 개요
4.2 데이터셋과 데이터 로더 구현
4.3 오픈포즈 네트워크 구성 및 구현
4.4 Feature 및 Stage 모듈 설명 및 구현
4.5 텐서보드X를 사용한 네트워크의 시각화 기법
4.6 오픈포즈 학습
4.7 오픈포즈 추론

CHAPTER 5 GAN을 활용한 화상 생성(DCGAN, Self-Attention GAN)

5.1 GAN을 활용한 화상 생성 메커니즘과 DCGAN 구현
5.2 DCGAN의 손실함수, 학습, 생성
5.3 Self-Attention GAN의 개요
5.4 Self-Attention GAN의 학습, 생성

CHAPTER 6 GAN을 활용한 이상 화상 탐지(AnoGAN, Efficient GAN)

6.1 GAN을 활용한 이상 화상 탐지 메커니즘
6.2 AnoGAN 구현 및 이상 탐지 실시
6.3 Efficient GAN의 개요
6.4 Efficient GAN 구현 및 이상 탐지 실시

CHAPTER 7 자연어 처리에 의한 감정 분석(Transformer)

7.1 형태소 분석 구현(Janome, MeCab+NEologd)
7.2 torchtext를 활용한 데이터셋, 데이터 로더 구현
7.3 단어의 벡터 표현 방식(word2vec, fasttext)
7.4 word2vec, fasttext에서 학습된 모델(일본어)을 사용하는 방법
7.5 IMDb의 데이터 로더 구현
7.6 Transformer 구현(분류 작업용)
7.7 Transformer의 학습/추론, 판단 근거의 시각화 구현

CHAPTER 8 자연어 처리를 활용한 감정 분석(BERT)

8.1 BERT 메커니즘
8.2 BERT 구현
8.3 BERT를 활용한 벡터 표현 비교(bank: 은행과 bank: 강변)
8.4 BERT의 학습 및 추론, 판단 근거의 시각화 구현

CHAPTER 9 동영상 분류(3DCNN, ECO)

9.1 동영상 데이터에 대한 딥러닝과 ECO 개요
9.2 2D Net 모듈(Inception-v2) 구현
9.3 3D Net 모듈(3DCNN) 구현
9.4 Kinetics 동영상 데이터셋을 데이터 로더로 구현
9.5 ECO 모델 구현 및 동영상 분류의 추론 실시

저자 소개 (2명)

출판사 리뷰 출판사 리뷰 보이기/감추기

이미지/동영상 분류에서 OpenPose, GAN, BERT까지
최신 딥러닝 모델 구현의 핵심이 한 권에!


비즈니스 현장에서 딥러닝을 응용한 경험을 쌓고 싶다면, 합성곱 신경망을 이용한 화상(이미지) 분류 등과 같이 기본적인 딥러닝 기법을 배운 후 다음 단계로 넘어가고 싶다면 추천합니다. 입문서에서는 알기 어려웠던 전이학습과 파인튜닝을 활용한 화상 분류, 물체 감지, 시맨틱 분할, 자세 추정, GAN을 활용한 화상 생성 및 이상 탐지, 텍스트 데이터 감정 분석, 동영상 데이터 클래스 분류를 12가지 모델로 구현하며 배울 수 있습니다. 딥러닝은 ‘영업×딥러닝’, ‘제조×딥러닝’, ‘의료×딥러닝’ 등과 같이 다른 분야와 함께 활용할 때 비로소 진정한 가치를 발휘합니다. 도메인 지식과 딥러닝 구현 능력이 결합된 인재로 성장하여 현장에서 활약하는 데 이 책이 도움 될 것입니다.

★ 각 장의 개요

_1장. 화상 분류와 전이학습(VGG)
학습된 VGG 모델을 활용해 소량의 데이터로 딥러닝 모델을 구축할 수 있는 전이학습과 파인튜닝을 알아봅니다. 또한 이 책에서는 AWS의 클라우드 GPU 머신을 사용하여 딥러닝을 설명합니다.

_2장. 물체 인식(SSD)
물체 감지는 딥러닝 응용 방법 중에서도 특히 복잡한 기술입니다. SSD 모델을 활용해 물체 감지의 흐름을 설명합니다.

_3장. 시맨틱 분할(PSPNet)
픽셀 수준에서 물체를 분류하는 시맨틱 분할을 학습하면서 딥러닝 모델 PSPNet을 설명합니다. 어떻게 픽셀 수준에서 물체를 분류할 수 있는지와 함께 네트워크 구조, 순전파함수, 손실함수도 알아봅니다.

_4장. 자세 추정(OpenPose)
자세 추정은 화상에 포함된 여러 인물을 탐지하여 인체 각 부위의 위치를 식별하고 부위를 연결하는 선(링크)을 구하는 기술입니다. OpenPose가 어떻게 사람의 각 부위를 탐지하고 부위를 서로 연결하는지 구현하며 그 구조를 확인합니다. 모델의 네트워크 구조 확인 방법으로 텐서보드X 사용법을 설명합니다.

_5장. GAN을 활용한 화상 생성(DCGAN, Self-Attention GAN)
Self-Attention은 자연어 처리(NLP)에 활용되는 Transformer와 BERT의 열쇠가 되지만 이해하기 어렵기 때문에 우선은 화상에서 Self-Attention을 구현하고 이해하는 것을 목표로 합니다.

_6장. GAN을 활용한 이상 감지(AnoGAN, Efficient GAN)
이상 화상 검출은 의료 현장에서 질환 및 건강 상태를 판별하거나 제조업에서 이상이 있는 부품을 검출할 경우 등에 사용합니다. 이상 화상이 정상 화상보다 매우 적을 때는 AnoGAN을, 이상 탐지에 걸리는 시간을 해결하기 위해서는 EfficientGAN을 응용할 수 있습니다.

_7장. 자연어 처리를 활용한 감정 분석(Transformer)
텍스트 데이터를 취급하는 자연어 처리를 살펴보고 딥러닝 모델 Transformer를 활용해 텍스트 데이터 내용을 긍정과 부정으로 감정합니다. word2vec과 fasttext를 활용해 단어를 벡터 표현으로 수치화하고 단어에 Attention을 걸어 추론 결과를 시각화해봅니다.

_8장. 자연어 처리를 활용한 감정 분석(BERT)
감정 분석 모델을 구축, 학습하고 추론해 문맥에 따라 단어 벡터가 어떻게 변화하는지 알아보고 Self-Attention으로 시각화해봅니다.

_9장. 동영상 분류(3DCNN, ECO)
화상 분류와 동영상 분류의 차이에 주목하면서 어떻게 동영상을 딥러닝에서 다루고 구현하는지 설명합니다.

회원리뷰 (15건) 리뷰 총점9.5

혜택 및 유의사항?
[서평] 만들면서 배우는 파이토치 딥러닝 내용 평점4점   편집/디자인 평점4점 s********0 | 2021.09.27 | 추천0 | 댓글0 리뷰제목
만들면서 배우는 파이토치 딥러닝 저자 오가와 유타로 출판 한빛미디어 발매 2021.08.05. #파이토치 #딥러닝 #일본책 #pytorch #DeepLearning #MachineLearning 이번에 리뷰할 책은 "만들면서 배우는 파이토치 딥러닝"이다. 이 책은 오타와 유가로 저자가 쓰고 박광수(아크몬드) 역자가 번역한 책이다. 이 책은 9장의 챕터로 구성되어 있으며 가장 많은 지면을 할애한;
리뷰제목

만들면서 배우는 파이토치 딥러닝

만들면서 배우는 파이토치 딥러닝

저자
오가와 유타로
출판
한빛미디어
발매
2021.08.05.

#파이토치 #딥러닝 #일본책 #pytorch #DeepLearning #MachineLearning

이번에 리뷰할 책은 "만들면서 배우는 파이토치 딥러닝"이다. 이 책은 오타와 유가로 저자가 쓰고 박광수(아크몬드) 역자가 번역한 책이다.

이 책은 9장의 챕터로 구성되어 있으며 가장 많은 지면을 할애한 것은 1장 화상분류와 전이학습(VGG)이다. 아쉬운 점은 책의 두께가 두껍고 각 장이 몇 페이지인지 안내하는 목차 페이지 표시가 없다는 점이다.물론 맨 뒤에 index를 보고 원하는 것을 찾아갈 수도 있지만 좋게 해석하자면 아마도 1장부터 순서대로 읽고자 원하는 마음에서 목차를 뺀것으로 생각된다. 또 한가지 아쉬운 점은 1장부터 순서대로 실습을 하면 가장 처음 예제는 실행이 안 된다. 1장의 중간이후를 읽어야 정상적으로 실행할 수 있는 방법을 알게 된다. 그리고 또 아쉬운 점은 파이토치 1.1로 구성되어 있다. 물론 호환이 잘 되기 때문에 대부분은 무리없이 실행되나 간혹 파이토치 1.6이상의 상위버전에서는 실행 결과가 다르게 나와 약간 당혹스럽다. 최근 나오는 파이토치 책들이 1.6이상 버전에서 실행된 것에 비해 아쉬운 점이다.

이 책의 좋은 점은 일관성을 유지하는 코딩표기법이나 가독성을 높이기 위한 코드 호환성을 통일감있게 가져가고 기초를 읽힌 사람이 응용으로 어려운 문제를 해결하고자 할 때 사용할 만한 전이학습과 GAN과 자연어처리 동영상 처리등 다양한 분야를 다루고자 한 점이다. 하지만 PC자원의 여유공간이 없거나 AWS클라우드를 사용하지 않는다면 실행이 오래 걸린다는 단점이 있다.

처음 설치부터 AWS사용법뿐만 아니라 딥러닝의 다양한 활용까지 내용이 워낙 방대하다보니 책이 백과사전의 느낌이라는 것이 또 이 책의 장점이다.

파이토치는 최근 버전에서 다양한 라이브러리와 함께 쓸 수 있어서 세부내용에 대해서 모르고 구현하는 경우가 종종 있다. 이 책을 따라 동일한 코드를 몇번을 코딩하다보면(이 책의 내용이 반복?학습위주로 작성) 저수준으로 어떻게 구현해야 할 수 있는지를 알게 될것이다.

 

★ 각 장의 개요

 

_1장. 화상 분류와 전이학습(VGG)

학습된 VGG 모델을 활용해 소량의 데이터로 딥러닝 모델을 구축할 수 있는 전이학습과 파인튜닝을 알아봅니다. 또한 이 책에서는 AWS의 클라우드 GPU 머신을 사용하여 딥러닝을 설명합니다.

 

_2장. 물체 인식(SSD)

물체 감지는 딥러닝 응용 방법 중에서도 특히 복잡한 기술입니다. SSD 모델을 활용해 물체 감지의 흐름을 설명합니다.

 

_3장. 시맨틱 분할(PSPNet)

픽셀 수준에서 물체를 분류하는 시맨틱 분할을 학습하면서 딥러닝 모델 PSPNet을 설명합니다. 어떻게 픽셀 수준에서 물체를 분류할 수 있는지와 함께 네트워크 구조, 순전파함수, 손실함수도 알아봅니다.

 

_4장. 자세 추정(OpenPose)

자세 추정은 화상에 포함된 여러 인물을 탐지하여 인체 각 부위의 위치를 식별하고 부위를 연결하는 선(링크)을 구하는 기술입니다. OpenPose가 어떻게 사람의 각 부위를 탐지하고 부위를 서로 연결하는지 구현하며 그 구조를 확인합니다. 모델의 네트워크 구조 확인 방법으로 텐서보드X 사용법을 설명합니다.

 

_5장. GAN을 활용한 화상 생성(DCGAN, Self-Attention GAN)

Self-Attention은 자연어 처리(NLP)에 활용되는 Transformer와 BERT의 열쇠가 되지만 이해하기 어렵기 때문에 우선은 화상에서 Self-Attention을 구현하고 이해하는 것을 목표로 합니다.

 

_6장. GAN을 활용한 이상 감지(AnoGAN, Efficient GAN)

이상 화상 검출은 의료 현장에서 질환 및 건강 상태를 판별하거나 제조업에서 이상이 있는 부품을 검출할 경우 등에 사용합니다. 이상 화상이 정상 화상보다 매우 적을 때는 AnoGAN을, 이상 탐지에 걸리는 시간을 해결하기 위해서는 EfficientGAN을 응용할 수 있습니다.

 

_7장. 자연어 처리를 활용한 감정 분석(Transformer)

텍스트 데이터를 취급하는 자연어 처리를 살펴보고 딥러닝 모델 Transformer를 활용해 텍스트 데이터 내용을 긍정과 부정으로 감정합니다. word2vec과 fasttext를 활용해 단어를 벡터 표현으로 수치화하고 단어에 Attention을 걸어 추론 결과를 시각화해봅니다.

 

_8장. 자연어 처리를 활용한 감정 분석(BERT)

감정 분석 모델을 구축, 학습하고 추론해 문맥에 따라 단어 벡터가 어떻게 변화하는지 알아보고 Self-Attention으로 시각화해봅니다.

 

_9장. 동영상 분류(3DCNN, ECO)

화상 분류와 동영상 분류의 차이에 주목하면서 어떻게 동영상을 딥러닝에서 다루고 구현하는지 설명합니다.

 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
[리뷰] 만들면서 배우는 파이토치 딥러닝 내용 평점5점   편집/디자인 평점5점 m******y | 2021.09.23 | 추천0 | 댓글0 리뷰제목
본 리뷰는 한빛미디어의 도서 서평단 <나는 리뷰어다 2021> 프로그램의 일환으로, 무상으로 도서를 증정 받고 작성된 리뷰임을 고지합니다.     오늘의 리뷰 도서는 '만들면서 배우는 파이토치 딥러닝' 입니다. 제목 그대로, 파이토치를 활용해서, 총 12개의 모델을 통해 딥러닝 개;
리뷰제목

본 리뷰는 한빛미디어의 도서 서평단 <나는 리뷰어다 2021> 프로그램의 일환으로, 무상으로 도서를 증정 받고 작성된 리뷰임을 고지합니다.

 

 

오늘의 리뷰 도서는 '만들면서 배우는 파이토치 딥러닝' 입니다.

제목 그대로, 파이토치를 활용해서, 총 12개의 모델을 통해 딥러닝 개발을 실습해볼 수 있는 책인데요.

 

사실 기존에 더 많이 들어보고, 기존에 사용 경험이 있었던 라이브러리는 텐서플로우였기에, 파이토치는 조금 생소한 부분도 있었습니다.

하지만 점유율로 보면 파이토치가 오히려 텐서플로우를 역전하고 있는데요.

 

 

출처 : https://paperswithcode.com/

 

위 자료와 같이, 논문에서의 PyTorch 점유율은 이미 TensorFlow를 훌쩍 넘어서고 있는 것을 볼 수 있습니다. 

그것도 근래에 와서는 상당히 압도적인 수치를 보이고 있는데요. 

특히, 이번 학부 수업에서 PyTorch를 활용하는 인공지능 수업을 듣게 되어서, 본 도서의 리딩은 더욱 저에게 의미가 깊었습니다.

 

 

 

기존에 KoBERT 등을 사용해본 경험이 있어, 7~8장을 특히 흥미롭게 읽을 수 있었습니다. 하지만 일본인 저자의 책이다보니, 당연히 일본어 중심의 NLP 예제가 서술되어 있습니다. 이 부분은 어쩔 수 없이 감안하고 읽어야 하는 부분이기도 합니다.

그럼에도, 책의 전체적인 내용에서는, 각 장의 서두마다 모델에 대한 기본적인 내용이 제공되고 있어서, 모델의 이해에 도움이 되었는데요. 사실 쉬운 난이도의 책은 아니다보니, 한번에 술술 읽히는 책은 아니었습니다.

 

본 책을 한마디로 표현하면 '파이토치와 딥러닝의 기본기가 잡힌 독자를 위한, 실용적 중급서'라고 할 수 있겠습니다.

 

처음 ML/DL을 접하는 독자에게 이 책은 적합한 도서가 아닙니다. 친절하게 하나부터 열까지 알려주는 기본서도 아닙니다. 오히려, 딥러닝이 손에 익은 독자를 대상으로 하여, 다양한 모델을 활용해보고, 실습해볼 수 있게 해주는 실용서이자, 학습서입니다.

 

사실 '딥러닝 입문'... '밑바닥...', '초보...' 이런 내용의 딥러닝 서적은 많지만, 파이토치를 통해 실용적인 딥러닝 학습을 할 수 있도록 하는 도서는 많지 않기에, 대상 독자층에게는 상당히 유용한 책이 될 것 같습니다. 이미 어느정도 딥러닝을 활용해보고, 학습한 독자들에게 분명 많은 배움을 제공해주는 책이 될 것이라고 생각합니다. 



출처: https://goaloflife.tistory.com/214 [Reader]

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
포토리뷰 [서평] 만들면서 배우는 파이토치 딥러닝 내용 평점5점   편집/디자인 평점5점 밀****피 | 2021.09.23 | 추천0 | 댓글0 리뷰제목
  '만들면서 배우는 파이토치 딥러닝'은 딥러닝을 구현하는 머신러닝 패키지인 파이토치를 이용하여 딥러닝 응용기술을 구현하면서 학습하도록 구성되어 있다. 이 책에서는 총 12개의 딥러닝 모델을 9장에 걸쳐 다루고 있다. 1장 화상분류와 전이학습 (VGG) 2장 물체인식(SSD) 3장 시맨틱 분할(PSPNet) 4장 자세 추정(OpenPose) 5장 GAN을 활용한 화상 생성(DCGAN, Self-Attentio;
리뷰제목


 

'만들면서 배우는 파이토치 딥러닝'은 딥러닝을 구현하는 머신러닝 패키지인 파이토치를 이용하여 딥러닝 응용기술을 구현하면서 학습하도록 구성되어 있다. 이 책에서는 총 12개의 딥러닝 모델을 9장에 걸쳐 다루고 있다.

1장 화상분류와 전이학습 (VGG)
2장 물체인식(SSD)
3장 시맨틱 분할(PSPNet)
4장 자세 추정(OpenPose)
5장 GAN을 활용한 화상 생성(DCGAN, Self-Attention GAN)
6장 GAN을 활용한 이상 감지(AnoGan, Efficient GAN)
7장 자연어 처리를 활용한 감정 분석(Transformer)
8장 자연어 처리를 활용한 감정 분석(BERT)
9장 동영상 분류(3DCNN, ECO)


 

이 책의 장점은 12개의 딥러닝 모델을 다루고 있고, 그 모델들은 최고 성능 모델에 기반했다는 점이다. 그리고 1장부터 차례대로 읽을 수 있도록 구성되어 있다. 왜냐하면 딥러닝 모델을 이해하기 위해 이전 장의 지식을 습득하도록 했다. 각 모델의 구성 및 구현도 중요하지만, 각 모델 구현 후 학습 및 검증이 각 모델마다 포함되어 있어, 어떤 결과를 얻을 수 있는지 확인할 수 있다. 각 장절마다 학습해야하는 학습 목표를 초반부에 언급하여 어떤 내용을 배우는지 다시 한번 환기 시키고 있다.


 

이 책의 아쉬운 점은 책 초반부의 아나콘다 설치 설명부분이다.
개발을 위한 환경 설정으로 필요한 패키지나 유틸리티만 언급하고 바로 넘어갔으면 좋았을텐데 설치과정까지 하나하나 설명한 것은 불필요했다고 생각한다. 또 다른 아쉬운 점은 7장의 예제가 일본어로 되어 있다는 점이다. 저자 오가와 유타로님이 일본인이기에 일본어 예제로 되어 있는 점은 이해하지만, 번역본은 번역하는 나라의 언어로 바꿔졌으면 어땠을까 하는 생각을 해본다.


 

이 책의 내용을 통해 비즈니스 현장에서 딥러닝을 활용한 구현 경험을 쌓는데 도움이 될 것이다.

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

#만들면서배우는파이토치딥러닝 #딥러닝 #머신러닝 #파이토치 #한빛미디어

댓글 0 이 리뷰가 도움이 되었나요? 공감 0

한줄평 (4건) 한줄평 총점 9.6

혜택 및 유의사항 ?
구매 평점4점
억지로 번역한 느낌이 들어서 읽기 힘들지만 중급자 이상에게는 큰 도움이 되는 책입니다.
이 한줄평이 도움이 되었나요? 공감 0
지*드 | 2021.12.04
구매 평점5점
필요한 책
이 한줄평이 도움이 되었나요? 공감 0
Y**O | 2021.11.17
평점5점
흔히 보기 힘든 중급서 수준 이상의 교과서급 딥러닝 실전서 등장!
이 한줄평이 도움이 되었나요? 공감 0
아***인 | 2021.09.22
스프링분철 서비스를 선택하세요.
수량감소 수량증가 36,000
  •  다운받은 받은 쿠폰은 결제 페이지에서 적용해 주세요.
  •  분철옵션 선택 시, 영업일 기준 3일내 출고됩니다.
  •  분철상품은 해외배송이 불가합니다.
1   36,000

스프링분철 신청 가능

뒤로 앞으로 맨위로 aniAlarm