품목정보
발행일	2019년 05월 09일
쪽수, 무게, 크기	232쪽 \| 17022514mm
ISBN13	9791188621590
ISBN10	1188621599

더보기

이 상품의 태그

#PyTorch #파이토치 #파이썬 #머신러닝 #딥러닝 #컴공 #개발자

파이토치 첫걸음

21,600원 (10%)

'파이토치 첫걸음' 상세페이지 이동

PROLOGUE 개발 환경 준비 1 0.1 이 책의 검증 환경 2 0.1.1 OS 환경: 우분투 16.04 2 0.1.2 엔비디아의 GPU 2 0.1.3 클라우드에서 GPU를 탑재한 인스턴스 실행하기 3 0.2 개발 환경 구축 5 0.2.1 미니콘다 설치 5 0.2.2 가상 환경 구축 7 CHAPTER 1 파이토치의 기본 11 1.1 파이토치의 구성 12 1.1.1 파이토치의 전반적인 구성 12 1.2 텐서 13 1.2.1 텐서 생성과 변환 13 1.2.2 텐서의 인덱스 조작 15 1.2.3 텐서 연산 16 1.3 텐서와 자동 미분 20 1.4 정리 22 CHAPTER 2 최대 우도 추정과 선형 모델 23 2.1 확률 모델과 최대 우도 추정 24 2.2 확률적 경사 하강법 26 2.3 선형 회귀 모델 28 2.3.1 선형 회귀 모델의 최대 우도 추정 28 2.3.2 파이토치로 선형 회귀 모델 만들기(직접 만들기) 30 2.3.3 파이토치로 선형 회귀 모델 만들기(nn, optim 모듈 사용) 32 2.4 로지스틱 회귀 35 2.4.1 로지스틱 회귀의 최대 우도 추정 35 2.4.2 파이토치를 사용한 로지스틱 회귀 분석 36 2.4.3 다중 분류를 위한 로지스틱 회귀 분석 40 2.5 정리 42 CHAPTER 3 다층 퍼셉트론 43 3.1 MLP 구축과 학습 44 3.2 Dataset과 DataLoader 48 3.2.1 Dataset과 DataLoader 48 3.3 학습 효율화 팁 50 3.3.1 Dropout을 사용한 정규화 50 3.3.2 Batch Normalization를 사용한 학습 가속 53 3.4 신경망의 모듈화 55 3.4.1 자체 신경망 계층(커스텀 계층) 만들기 55 3.5 정리 57 CHAPTER 4 이미지 처리와 합성곱 신경망 59 4.1 이미지와 합성곱 계산 60 4.2 CNN을 사용한 이미지 분류 62 4.2.1 Fashion-MNIST 62 4.2.2 CNN 구축과 학습 65 4.3 전이 학습 69 4.3.1 데이터 준비 72 4.3.2 파이토치를 사용한 전이 학습 75 4.4 CNN 회귀 모델을 사용한 이미지 해상도 향상 80 4.4.1 데이터 준비 80 4.4.2 모델 작성 83 4.5 DCGAN을 사용한 이미지 생성 89 4.5.1 GAN이란 89 4.5.2 데이터 준비 90 4.5.3 파이토치를 사용한 DCGAN 91 4.6 정리 101 CHAPTER 5 자연어 처리와 순환 신경망 103 5.1 RNN이란? 104 5.2 텍스트 데이터의 수치화 106 5.3 RNN과 문장 분류 109 5.3.1 IMDb 리뷰 데이터 109 5.3.2 신경망 정의와 훈련 113 5.3.3 가변 길이 계열 처리 118 5.4 RNN을 사용한 문장 생성 121 5.4.1 데이터 준비 122 5.4.2 모델 정의 및 학습 124 5.5 인코더-디코더 모델을 사용한 기계 번역 129 5.5.1 인코더-디코더 모델이란 130 5.5.2 데이터 준비 131 5.5.3 파이토치를 사용한 인코더-디코더 모델 135 5.6 정리 142 CHAPTER 6 추천 시스템과 행렬 분해 143 6.1 행렬 인수분해 144 6.1.1 이론적 배경 144 6.1.2 MovieLens 데이터 145 6.1.3 파이토치에서 행렬 인수분해하기 147 6.2 신경망 행렬 인수분해 151 6.2.1 행렬 인수분해를 비선형화 151 6.2.2 부속 정보 이용 153 6.3 정리 160 CHAPTER 7 애플리케이션 적용 161 7.1 모델 저장과 불러오기 162 7.2 플라스크를 사용한 웹 API화 164 7.3 도커를 이용한 배포 173 7.3.1 nvidia-docker 설치 174 7.3.2 파이토치의 도커 이미지 작성 175 7.3.3 웹 API 배포 176 7.4 ONNX를 사용한 다른 프레임워크와의 연계 179 7.4.1 ONNX란 179 7.4.2 파이토치 모델 엑스포트 181 7.4.3 Cae2에서 ONNX 모델 사용하기 183 7.4.4 ONNX 모델을 Cae2 모델로 저장 184 7.5 정리 186 APPENDIX A 훈련 상태 가시화 187 A1.1 텐서보드를 사용한 가시화 188 APPENDIX B 컬래버레터리로 파이토치 개발 환경 구축 193 B1.1 컬래버레터리를 사용한 파이토치 개발 환경 구축 방법 194 B1.1.1 컬래버레터리란 194 B1.1.2 장비 사양 194 B1.1.3 파이토치 환경 구축 195 B1.1.4 데이터 처리 201

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (2명)

책 속으로 책속으로 보이기/감추기

선형 모델이라는 매우 중요한 기초 개념을 설명할 때를 제외하고는 가능한 한 수식을 사용하지 않고 코드와 실제 예를 통해 설명하도록 노력했다. 간단한 데이터 식별부터 이미지 분류 및 생성, 문장 분류 및 생성, 번역, 그리고 추천 시스템 등
다양한 응용 예제를 사용해 실제 데이터가 움직이는 것을 보면서 이해할 수 있도록 주의를 기울였다. _xii

로지스틱 회귀는 두 가지 분류뿐만 아니라 여러 개를 분류할 수도 있다. 수학적인 내용은 머신러닝 서적에 양보하도록 하겠지만, 요점은 다음과 같다. 선형 결합 계층의 출력을 1차원이 아닌 분류의 차원으로 만들고, 손실 함수를 소프트맥스 크로스 엔트로피라는 함수로 변경하기만 하면 된다. 40p

전이 학습(transfer learning)이란, 특정 태스크(또는 도메인)에서 얻은 모델을 다른 태스크에 적용하는 기술을 말한다. 이미지 인식 분야의 신경망에서는 사전에 학습한 신경망의 마지막 출력 선형 계층만 새로 학습하고 다른 계층의 파라미터를 모두 고정시키면 좋은 결과를 얻을 수 있다고 알려져 있다. 특히, ImageNet이라는 대규모 이미지 인식 데이터로 사전 학습한 여러 신경망(ResNet 등)의 파라미터가 공개돼 있어서 전이 학습에 사용하기 좋다. 왜 이 방식이 좋은지는 사실 이론적으로 증명된 것은 없다(필자가 알고 있는 한). 단, CNN의 하위 계층에서 이미지를 인식할 때 필요한 일반적인 특징을 추출할 수 있다는 결과가 나와 있다. _71p

하지만 RNN은 일반 신경망보다 훈련이 어렵다. 오랜 시간 동안 쌓인 이력을 사용하려고 하면 그만큼 깊은 신경망이 되어야 하며, 경사 손실이나 경사 분실 등의 문제가 발생할 수 있다. 이것을 해결하기 위해 단순한 선형 계층이 아닌 더 정교한 처리를 모아 모듈 블록으로 바꾼 LSTM(Long Short Term Memory)나 GRU(Gated Recurrent Unit) 등의 RNN도 있다. _104p

영화 ID, 제목, 장르순으로 나열돼 있으며, 장르가 여러 개인 경우 파이프 기호(|)로 연결하고 있다. 이와 같이 복수의 항목을 가변 길이로 지니고 있는 데이터를 수치화할 때는 여러 가지 방법이 있다. 여기서는 장르가 24가지밖에 없으므로 간단하게 BoW를 사용하도록 한다. _153p

컬래버레터리는 구글이 공개한 웹 서비스로 주피터 노트북과 비슷한 환경을 제공한다. ipynb 파일은 구글 드라이브(Google Drive)상에 저장되며, 구글 독스(Google Docs)처럼 공유할 수도 있다. 컬래버레터리는 엔비디아의 Telsa K80이라는 GPU도 무료로 제공하므로 GPU 장비 없이도 손쉽게 딥러닝을 검증할 수 있다. _194p

--- 본문 중에서

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (1건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 10.0점 10.0 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (1건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 2.0점 2.0 / 10.0

구매 한줄평

한줄평 전체보기

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리