Scientific Computing & Data Science

Written by Geol Choi | May 13, 2018이번 포스팅에서는 지난 포스팅(CNTK CPU Example 코드 작성하기)에 이어 CNTK의 GPU 개발환경을 구성하고 예제(Logistic Regression) 코드를 작성하는 것에 대하여 설명하도록 하고자 합니다. 참고로, 개발환경은 다음과 같습니다:OS : Windows 10 64bitIDE : Visual Studio 2015(Ver. 14).NET Framework : 4.5 or higherRuntime Env. : GPU 설명은 자세한 튜토리얼 형식으로 진행하도록 하겠습니다.Visual Studio 프로젝트 생성Visual Studio 메뉴에서 File > New > Project를 클릭하여 새로운 프로젝트를 생성합니다. Tem..

Written by Geol Choi | Dec. 23, 2017 이번 포스팅에서는 Amazon Cloud EC2에 PyTorch 개발환경을 구축하는 방법에 대하여 알아보고자 합니다. PyTorch는 Facebook AI Research (FAIR)에서 주도적으로 개발하고 있으며, Google의 TensorFlow와 함께 딥러닝 프레임워크(Deep Learning Frameworks)에서 어느 정도 양대 산맥이 되어가고 있는 듯 합니다. 그만큼 많은 유저 커뮤니티를 이루고 있지만 윈도우즈 유저들에게 안타깝게도 아직 Windows OS는 공식적으로 지원하고 있지 않습니다. 다만, 몇명의 파이오니어들의 공로로 Windows에 개발환경을 구축할 수 있음을 확인할 수 있습니다 (Windows에 PyTorch 설..

Written by Geol Choi | Nov. 01, 2017 이번 포스팅에서는 웹캠으로부터 입력받은 영상을 TensorFlow Object Detection API와 연동하여 오브젝트를 감지하는 방법에 대해 알아보겠습니다. 지난 포스팅을 읽지 않았다면, 먼저 읽을 것을 권장하며, Python-OpenCV에 대한 간단한 지식도 필요합니다. TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 1. - 개발환경 설정TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 2. - 코드 설명 및 응용Python-OpenCV 개발환경 구축TensorFlow Object Detection API GitHub Page * 주의사항: 본 포..

Written by Geol Choi | Oct. 30, 2017 지난 포스팅에서 약속드린 바와 같이, TensorFlow의 Object Detection API의 예제 코드를 분석하고 응용 예제에 대한 설명을 드리겠습니다. 아래 코드 설명을 이해하려면 지난 포스팅에 소개드린 내용대로 코드를 우선 실행해 보시기를 권장합니다. * 본 튜토리얼을 시리즈로 진행되며, 각 링크는 다음과 같습니다:TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 1. - 개발환경 설정TensorFlow Object Detection API를 이용한 다물체 인식하기 Part 2. - 코드 설명 및 응용TensorFlow Object Detection API를 이용한 다물체 인식하기 Part..

Written by Geol Choi | Oct. 21, 2017 이번 포스팅에서는 TensorFlow™(TF)의 시각화 도구인 TensorBoard를 이용하여 Computation Graph를 시각화하는 방법에 대하여 알아보도록 하겠습니다. 실행환경은 다음과 같습니다:OS: Windows 7 64-bitAnaconda: Python 3.6 (5.0.0)TensorFlow: r1.3R: 3.4.2 short summerRStudio: 1.0.136 필자의 실행환경은 위와 같지만, Windows가 아닌 다른 OS 환경에서도 동일한 방식으로 실행할 수 있으리라 예상됩니다. 본 튜토리얼은 딥러닝(Deep Learning;DL)에 대한 기본적인 개념을 이해하고 있으며, TensorFlow의 DL 구현에 대한 기..

Written by Geol Choi | Aug. 4, 2017 부제목: 인공신경망 처절하게 제대로 이해하기 지난 포스팅에서 R에서 딥러닝을 바닥부터(from scratch) 구현하는 방법에 대해 개괄적으로 살펴본 적이 있는데, 이번 포스팅에서는 코드를 자세하게 분석하면서 수학적으로 과정을 풀어보고자 합니다.1. 데이터 준비딥러닝 코드를 작성하기 위해 테스트 용도의 데이터로 iris 데이터셋을 사용할 것입니다. iris는 일종의 꽃을 꽃받침 및 꽃잎의 폭과 길이 등으로 분류한 데이터입이며, R의 기본 패키지에 포함이 되어 있습니다. 대략적인 데이터의 형태는 다음과 같습니다: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 ..

Written by Geol Choi | Aug. 2, 2017 TensorFlow를 이용한 학습을 통해 예측 모델을 생성한 후 추후 이 모델을 다시 사용하기 위해 결과를 저장할 필요가 있습니다. (저장하지 않는다면 매번 학습을 다시 해야하기 때문이죠! 이것은 분명 시간 낭비입니다.) 그래서 이번 포스팅에서는 학습이 완료된 결과 모델과 변수를 어떻게 저장하는지 그리고 저장된 결과를 어떻게 복구하는지 알아보는 시간을 갖도록 하겠습니다. 테스트 환경은 R이지만, Python도 (문법은 아주 약간 다르지만) 동일한 로직으로 동작하니 Python 문법으로 작성 시에도 참고하면 도움이 되리라 생각됩니다.→ 사실 R에서의 TensorFlow는 Python-TensorFlow의 인터페이스에 불과합니다. 그럼에도 R을..

Written by Geol Choi | Jul. 15, 2017 이번 포스팅에서는 회선신경망(Convolutional Neural Network; CNN)을 이용하여 손글씨 숫자를 학습시키는 코드를 Pytnon과 R 각각에 대하여 TensorFlow에서 어떻게 구현할 수 있는지 알아보도록 한다. [목차] 1. Python-TensorFlow 2. R-TensorFlow 2.1. 라이브러리 패키지 불러오기 2.2. 입력 데이터 준비 2.3. 파라미터 정의 2.4. weights & biases 변수 정의 2.5. placeholder 변수 정의 2.6. conv2d 함수 정의 2.7. maxpool2d 함수 정의 2.8. conv_net 함수 정의 2.9. 모델 세우기 2.10. 손실함수 및 Optimi..

by Geol Choi | Jul. 9, 2017 [목차] 1. 구현순서 2. Python-TensorFlow 3. R-TensorFlow 이번 포스팅에서는 Softmax Classsification이라고 불리우는 Logistic Regression을 방법을 이용하여 손글씨 숫자(Handwritten Digits)를 분류하는 TensorFlow 코드를 Python과 R에서 구현해 보도록 한다. 이와 관련된 TensorFlow의 페이지를 참고하면 이해하는데 큰 도움이 될 것이다.1. 구현순서TensorFlow의 구현순서가 딱히 정해진 것은 아니지만 구현을 위한 충분한 가이드라인이 될 수 있으리라 생각된다. 2. Python-TensorFlow2.1. 라이브러리 불러오기TensorFlow 라이브러리(tens..

by Geol Choi | Jul. 2, 2017 이번 포스팅에서는 회선신경망(Convolutional Neural Network; CNN)의 ConvNet 구조의 Conv 레이어 사이에서 이미지의 사이즈를 줄임으로써 파라미터 개수와 계산 시간을 줄이기 위한 방법으로 사용되는 풀링(Pooling)에 대해 알아보도록 한다. [이미지 출처: CS231n Convolutional Neural Networks for Visual Recognition] Theory특히 많은 양의 픽셀을 갖는 복잡한 딥러닝 문제에 있어 CNN의 계산속도를 향상시키기 위해 CNN 구조에 Pooling Layer를 포함시킨다. 풀링은 회선 레이어(Convolutional Layer)에서 이미지의 크기와 해상도를 점차 줄여나가면서 계산..