Author: 최건호 지음

출판사: 한빛 미디어 (제이펍)

 Score /5: 4.5

이 책의 대상 독자

• 인공지능 알고리즘을 차근차근히 공부하고 싶은 분
• 심플하게 파이토치에 대해 접근하고 싶은분

저는 인공지능에 대한 관심은 많지만 아직 발을 떼지 못한 강사입니다.

초보자의 입장에서 막연히 어려울 것 같다는 생각을 가지고 인공지능쪽을 생각하고 있었는데 접근하기 위한 프레임웍이 워낙 다양하기도 하고 러닝커브가 상당히 높다라는 생각을 가지고 있었습니다.

간략하고 간단하게 알고리즘에 대한 접근, 요즘 대세(?) 언어로 불리는 파이썬을 활용한 파이토치에 관심이 생겼습니다.
해당 책은 약 200여 페이지의 얇은 부피를 자랑하고 있습니다.

인공지능하면 수식적으로 깊이 파고들어서 알아야 한다는 생각을 했는데 이 책의 접근 방식은 반대입니다.
간단간단한 개념 -＞ 코드 -＞ 결과를 보여 줍니다.
프로그래머 또는 초보자 입장에서 접근성을 올려 주는 방식입니다.
개인적으로 이런 방식을 통해서 인공지능 알고리즘에 대한 관심을 높일 수 있었고 더 공부할 생각입니다.

다만, 이책으로 모든것을 알 수는 없습니다.
초보자가 언제든 꺼내 볼 수 있는 핸드북으로 활용하면 좋은 책입니다.

※ 이 책은 한빛 미디어의 지원으로 작성된 글입니다

딥러닝의 기본을 한 층 더 깊게 들여다보고 PyTorch로 구현해 보는 딥러닝 기본서이다.

개인적으로 느낀 책의 가장 큰 장점은 널리 알려진 유명한 딥러닝 입문서나 교과서들이 생략한 부분을 한 층 더 깊이있게 설명하여 독자의 이해를 돕는다는 점을 들고 싶다.

예를 들면 딥러닝 발전의 큰 분기점 마다 놓여있는 유명 논문을 읽을 때도 사소한 그림이나 수식 하나가 이해 안가 헤매는 경우가 있다.

ImageNet에서 괄목한 만한 성과를 거둔 VGGNet에서 신경망 깊이와 성능의 관계, GoogLeNet의 인셉션 모듈, ResNet의 잔차 학습 블록 개념 등이 그런 경우이다.

순환 신경망에서 시간 t의 step에 따라 Layer의 도식도가 변하는 경우도 처음 접할 때는 난감한 부분이다.

역전파를 거치며 tanh 미분 값이 여러번 곱해지며 발생하는 기울기 소실 문제를 극복하기 위해 LSTM이나 GRU 모델이 등장한다. 셀, 은닉상태나 각 게이트의 복잡한 구성을 처음 접하면 당황스럽기 그지 없다.

이 책은 그런 게이트를 단계마다 하나하나 분해하여 설명하고 있어 이해하기 쉽다. 기호나 그림이 익숙해 지면 관련 논문 리터러시 또한 향상될 것이다.

또 하나의 예로 CNN을 처음 접한 초보자들의 공통적인 고민을 들 수 있다. 모델의 Layer를 몇개 구성할지, 전달하는 파라미터 값은 어떻게 설정해야 할 지 등의 어려움을 겪는 초보자들이 많은데 사실 친절하게 설명하는 책을 의외로 찾기 어렵다.

5장에서 CNN의 핵심 개념을 잘 설명하고 있고 그에 따라 모델을 구성해 나가는 법도 자세히 설명하고 있으니 누구나 한 번쯤 겪는 시행착오도 쉽게 통과할 수 있을 것이다.

이런 일련의 배움 과정에서 대부분의 사람들은 다른 레퍼런스를 참조하고 지인에게 물어 부가적인 설명을 메모해 두곤 할텐데 저자 역시 유사한 경험이 있었던 것 같다.

그런 시행착오와 메모 과정을 자세한 설명으로 담고있기에 입문 단계를 넘어선 독자라면 이 책이 딥러닝의 깊은 이해에 많은 도움이 될 것 같다. 특히 5 ~ 6장에 해당하는 CNN, RNN 파트가 그렇다.

그 외 실전에 도움될 만한 내용들이 담겨있다는 점도 장점 중 하나이다. 프레임워크와 모델링은 이미 베낄만한 레퍼런스가 넘쳐나기에 7장에서 다루는 과적합, 정규화, 드롭아웃, Augmentation 등의 부가 기법이 오히려 중요하게 여겨지는 경우가 있다.

이 또한 벨리데이션 자동화나 프로파일링 등으로 점차 자동화 되어가는 추세이니 큰 의미를 부여하기 어려운 과정이 되어가고 있지만 아직까진 사람의 경험에 의존하는 부분이 많은데 실전 문제 해결에 도움이 되는 원론이 잘 정리되어 있다.

1 ~ 4장에서는 딥러닝과 파이토치의 기본을 다룬다. 딥러닝의 개요, 파이토치로 개발환경을 구성하는 방법, 선형회귀로 파이토치의 기본적인 활용법을 살펴본다. 특히 손실함수를 도출하고 경사하강법 적용하는 과정에서 자동 미분의 필요성과 배경을 알기 쉽게 도출한다.

5 ~ 6장은 CNN, RNN을 다루는데 앞서 언급했듯 한 층 깊은 설명이 인상적인 파트이며, 7 ~ 8장에서는 실전에 많은 도움이 되는 모델의 성능 향상 방법이나 전이학습을 활용하는 방법을 다룬다. 9 ~ 10장은 오토인코더 및 이를 확장한 개념인 GAN의 기초를 학습한다.

반면 한가지 아쉬운 점은 PyTorch 보다는 딥러닝에 더 많은 비중을 두고 있다는 점이다.

딥러닝 모델을 구현하는 첫 단계부터 PyTorch 레퍼런스를 어떻게 접근하며 활용할지, 문제가 발생했을 때 어떤 트러블 슈팅 절차나 디버깅, 테스트 등의 시도가 가능할지, 도움을 받을 만한 커뮤니티나 에코 생태계는 어떻게 돌아가는지 등 PyTorch의 기본에 집중한 내용을 기대했는데 누락된 것이 아쉽다.

전반적으로 적은 분량으로도 딥러닝을 깊이있게 이해할 수 있도록 잘 짜여진 책이라는 생각이 든다. 딥러닝 입문자가 보기엔 조금 깊이가 있어 Python을 구사할 줄 아는 초보자 이상 수준의 독자에게 추천하고 싶다.

• 책소개 - 파이토치 첫걸음

한빛미디어 “나는 리뷰어다” 활동을 위해서 책을 제공받아 작성된 서평입니다.

딥러닝을 시작한지 벌써 3년이 흐르고 있네요. 

자연어 처리 개발을 하면서 거듭되는 기술의 진보에 물 밀 듯이 살고 있습니다. 

그러던 중 최근 논문 및 캐글에서 파이토치를 활용한 연구들이 많이 나와서 공부를 하려고 마음은 먹었지만 실천으로 옮기기가 쉽지 않았습니다.

큰 맘을 먹고 '파이토치 첫 걸음' 책을 읽게 됐습니다.

정말 쉽고 알차게 적어져 있어서 놀란 책이라 몇가지 정리해 보려고 합니다.

1. '케라스'에서 파이토치로 전향

주로 케라스, 텐서플로를 활용해 딥러닝 개발을 진행해 왔습니다. 

앞으론 파이토치에 비중을 높이려고 합니다. 

한땀 한땀 코드를 작성해보면서 느낀점은 파이썬의 매우 유사하다는 점입니다. 

책과 도큐멘트 내용들을 봐도 파이썬에서 즐겨쓴 내용들이 나오고 코드가 너무 간결해서 쓰면 쓸수록 매력적이라고 느낌니다.

또한, 논문들의 연구결과들도 파이토치로 많이 나오는 상황이기 때문에 전향도 고려 하는 중입니다. 

2. 올 컬러와 내용의 간결함.

'파이토치 첫 걸음' 책은 한빛미디어에서 첫걸음 시리즈로 나오는 책 중 하나입니다. 

이 책의 특징은 2백 페이지이며 A5형식이라 책의 써진 내용들이 한눈에 들어옵니다. 

한눈에 들어온 점은 바로 내용이 너무 간결한데요. 

이해가 잘되게 저자님이 풀어써준 점과 어려운 딥러닝 연산식 등을 칼라로 돼 있어서 이해하는 데 큰 도움이 됐습니다. 

PS 

최근 나온 파이토치 책 중에서 첫걸음 시리즈를 선택한 점이 잘했다고 느낍니다. 

가성비도 좋고 내용은 딱 입문용으로 맞기 때문이죠. 

딥러닝을 처음 접하는 분들이나 파이토치가 궁금한 분들에게 이 책을 추천 드립니다.

 어떤 책을 읽다가 기대 하지 않았던 깨달음을 얻거나 가치를 얻는다면 그것 만큼 행복한 것도 없을 것입니다

이 책을 선택했을 때는 단 한가지 이유가 있었습니다.

공부를 처음 시작하는 분들이 딥러닝의 개념을 쉽게 이해하고 각자의 분야에 맞게 사용할 수 있도록 성장하는 과정에 도움이 되었으면 하는 마음으로......

이 책을 썼다고 합니다.

제가 고생고생해서 이해했던 1x1합성곱의 의미, cross entropy의 의미는 한 문장으로 명료하게 설명을 해주고 있어서 깜짝 놀랬습니다. 다소 어렵게만 느겼전던 GAN도 단순히 이미지 생성 뿐만 아니라 다양한 응용분야에 적용할 수 있을 것 같습니다.

또한, 중간 중간에 최신 트렌드와 추가적인 자료도 언급을 하고 있어서 이 책을 읽은 후에 관심 분야에 대해 더 깊게 공부를 할 수 있도록 배려했습니다.

파이토치 문법을 알고 싶은 분들에게는 다소 안맞을 수는 있지만, 저 처럼 모호하게 알고 계신 분들에게는 추천해드립니다.

이렇게 좋은 책을 만나게 되면 너무 기분이 좋습니다.

• "텐서플로 or 파이토치, 뭘 배워야 하나요?"
  • 요새는 좀 뜸하지만 작년, 재작년쯤 커뮤니티에 자주 올라온 질문.
  • 딥러닝 = 텐서플로라는 공식이 상당히 오래 있었고 지금도 텐서플로가 저물었다고 말하긴 힘들다.
  • 일단 텐서플로를 만든 곳이 구글이라는 점, 그리고 공개된 코드가 많다는 점이 상당한 강점으로 작용한다.
  • 그러나 최근에는 딥러닝 입문을 파이토치로 시작하는 분들도 많고, 텐서플로로 짜여진 딥러닝 코드를 파이토치로 변환해서 제공해주는 분들도 많기 때문에 파이토치로 한다고 딱히 어려움은 없다.
  • 딥러닝을 많이 쓰시는 분들 이야기를 들어보면 "어차피 둘 다 알아야 돼요".
• "파이토치는 뭘로 배워야 해요?"
  • 파이토치를 배우기로 마음 먹은 초보자의 두 번째 질문.
  • 파이토치에 익숙한 많은 분들께서는 공식 홈페이지의 튜토리얼을 권하신다. (링크, 한글버전 링크)
  • 정말정말 잘돼있다는 찬사와 함께 "저것만한 게 없어요"라고 하는데, 홈페이지보다 책이 익숙한 초심자들 입장에서는 기본적인 내용을 다루는 얇은 책이 하나 있으면 좋겠다 싶은 것도 사실이다.
  • 무엇보다 눈에 보이는 건 중요하다. 책꽂이에 파이토치 책이 한 권 꽂혀있다는 것만으로 나는 딥러닝을 공부하고 있다는 심리적 안정감과 진도를 나가야겠다는 의지가 생긴다.
• 파이토치 첫걸음
  • 2019년에 나온 이 책은 2년이 지난 지금 보기에도 전혀 무리가 없다.
  • 유행에 민감한 최신 기술을 다루기보다 MNIST로 시작하는 파이토치의 기본 구동에 이어 CNN, LSTM과 GRU를 다룸으로써 전반적인 딥러닝을 한번 훑을 수 있게 해 준다.
  • 앞부분에는 역전파 같은 기본기가 나오는데, 이 내용을 아는 사람이라면 넘겨도 좋다
• 마음에 드는 첫 번째 요소: 단계별 코드 구현 방식
  • 이런 기술서에서 쉬운 내용 뒤에 어려운 내용이 나오는 것은 당연하다고 볼 수도 있다.
  • MNIST에서 VGG를 넘어 GoogLeNet과 ResNet으로 넘어오는 부분이 참 마음에 들었는데, MNIST에서 초보적인 CNN을 구현하고 조금 복잡한 VGG에 이 기술을 고스란히 적용시켜 짠 다음 체계적으로 구성된 실제 VGG 코드를 보여줌으로써 실제 코드의 이해를 돕는 한편 학습자의 눈을 높인다.
  • 분야를 막론하고 학습자의 눈이 높아진다는 점을 굉장히 중요하게 생각하는데, 한 번 높아진 눈은 래칫(ratchet)이 되어 엉성한 코드를 짜는 자신을 견디지 못하게 만들어 실력을 향상시키기 때문이다.
• 마음에 드는 두 번째 요소: Chapter 7. 학습 시 생길 수 있는 문제점과 해결 방안
  • 뭐든 그렇지만 딥러닝은 배운대로 한다고 되는 법이 없다.
  • 학습이 안되는 것도 문제지만 한 번 학습에 걸리는 시간이 길기 때문에 뭐가 잘못되면 이것저것 마구잡이로 적용하는데 시간과 비용이 많이 발생한다.
  • 초심자 입장에선 어디를 건드릴지도 모르고, 어떻게 건드릴지도 몰라서 답답한 경우가 많은데 그 지점을 잘 긁어주고 있다.
  • 물론 실제 한방에 깨끗하게 낫는지는 다른 문제이지만 일단 막막하지 않다는게 어딘가.
• 딥러닝을 이론으로만 아는 사람에게 제일 좋을 책
  • 작은 크기, 200페이지 남짓의 두께에서 파이토치를 한 번 훑다 보니 세세한 내용을 다루는 데는 한계가 있다.
  • 특히 어려우려면 한없이 어려운 딥러닝 이론을 담기에 좁은 공간이고, 이 공간을 대표 사례 중심으로 설명하다 보니 초반 일부를 할애한 이론도 깊은 설명을 담기는 어렵다. (그럼에도 불구하고 있을 말은 다 있다)
  • 다른 책이나 동영상 강의로 딥러닝 강의를 어느 정도 본 사람이라면 이 책을 보면서 한번 감을 잡고, 실전 위주의 다른 책이나 공식 홈페이지 튜토리얼로 넘어가도 괜찮을 것 같다.

※ 한빛미디어 2021 도서 서평단 "나는 리뷰어다"의 일원으로 도서를 제공받아 작성한 리뷰입니다.

 이세돌과 알파고간 세기의 바둑 대결 이후로 우리에겐 딥러닝이 관심의 대상이요 호기심의 대상이 되었다. 

우리가 모르는 사이 생활 곳곳에서 머신러닝/딥러닝 알고리즘이 돌아가고 있다. 개인적으로도 관심을 가지고 이기술에 접근해보고 싶은데, 체계적으로 개념을 쌓아나가기가 쉽지 않다. 사람들의 관심 만큼이나 온/오프라인에서 수많은 서적, 정보가 넘쳐난다고 해도 추상적인 개념과 복잡한 수학적 기반 등을 이해하기엔 진입장벽 같은 것이 느껴지기 때문이다. 그래서 초심자는 개념잡기에 많은 노력을 할애 해야 할 것 같다. 

이책은 '어디서부터 어떻게 딥러닝 공부를 시작해야 할지 막막한 분들을 대상으로' 한다. 개념과 원리 뿐만 아니라 실제 적용되는 모델링을 파이토치(파이선 based)코드로 테스트 하기 때문에 전공/비전공을 떠나서 파이썬을 어느정도는 다룰줄 아는 실력이 필요하다. 

(구성)

이책의 구성은 아래 내용들로 이루어진다.    

인공지능-머신러닝-딥러닝의 개념 및 관계 

파이토치 소개 및 환경 구성 방법, 선형회귀분석 모델 구현 

인공신경망 모델 구현, 합성곱 신경망 구현

순환 신경망-글자사이의 패턴을 학습, 특정문제를 모방하는 모델 구현

학습시 문제점과 해결 방안 소개, 스타일 트랜스퍼 구현

오토인코더 + 합성곱 구현 ,생성적 적대 신경망 탐구

이어서 해당 모델의 원리에 대한 이해를 한다. 그림을 보면 좀더 쉽게 이해가 된다. 

이어서 파이토치로 구현하고 결과를 확인한다. 

구현한 모델의 문제점과 개선 방향도 제시해준다. 

(장점)

딥러닝 공부를 시작하는 초심자에 맞추어 다양한 개념들을 그나마 쉽고 간략하게 설명하고 있다.

책의 크기와 두께가 부담감을 상당히 줄여준다.

(대상) 

1. 파이토치를 활용한 딥러닝 공부 초심자 

2. 딥러닝을 처음 시작하는 입장에서 세부적인 모델의 개념과 원리를 이해하고 싶은 초심자

3. 파이썬을 다룰 줄 알고 딥러닝에 적용해 보고 싶은 초심자

(마무리하여) 

 딥러닝에서 표현하는 양식에 대한 이해와 수학적 기반은 딥러닝을 시작하는 단계에서 중요한 요소이다. 

이러한 요소을 바탕으로 이책의 내용을 이해하고 파이토치 프로그래밍을 한다면 효율적으로 '딥러닝 첫걸음'을 뗄 수 있으리라 확신한다.