여러분은 딥러닝을 언제 처음 들어보았나요?
왠지 익숙하고, 유명한 단어가 아닌가요?
저는 기억을 되감아 보면, 2017년 구글의 알파고를 통해 알게 되었습니다.
"알파고는 훈련된 심층신경망(DNN, Deep Neural Network)이 사용되었다"라고 하는데요.
딥러닝은 예전부터 화두가 되었고, 아직까지 많은 각광을 받고 있는 중입니다.
이렇게 중요한 딥러닝, 이제부터 알아보겠습니다.
딥러닝(Deep Learning) 이란?
딥러닝(Deep Learning)은 인간의 신경망의 원리를 모방한 인공신경망(Artificial Neural Network)을 사용하여 자동으로 특징 추출하여 판단을 내리는 기계학습 방식 중 하나입니다.
많은 사람들이 기계학습과 딥러닝은 다르다! 이렇게 생각하고 있습니다. 하지만 딥러닝은 기계학습의 한 종류라고 볼 수 있습니다. 다음 그림을 보면 이해하기 편하겠군요!
인공신경망(ANN)?
인공신경망은 사람의 뇌 속 뉴런의 연결 구조인 신경망을 모방하여 만들었습니다.
인간의 뇌는 1000억 개가 넘는 뉴런이 100조 개가 넘는 시냅스를 통해 병렬적으로 이어져있습니다.
이러한 뉴런은 다른 뉴런으로부터 입력값을 받아 저장하고 임계값을 넘으면 외부로 출력값을 보냅니다.
이를 본떠 만든 인공 신경망은 매우 유사한 방식을 통해 작동합니다. 초기 인공신경망에는 입력층과 출력층으로만 구성되어있었지만(단층신경망), 한계점이 많아 입력층과 출력층 사이에 은닉층이 만들어졌습니다. 은닉층이 존재하면 다층 신경망이라고 하는데요, 이를 또 분류하면
● 앝은 신경망(Shallow Neural Network) : 입력, 은닉, 출력 3가지의 계층
-> 은닉 계층과 출력 계층이 Fully-Connected Layer인 모델
● 심층 신경망(Deep Neural Network) : 입력, 2개 이상의 은닉, 출력의 계층
-> 딥러닝
로 나누어집니다.
딥러닝의 역사
1세대 : Perceptron
2세대 : Multilayer Perceptron
3세대 : Supervised Learning - Rectified linear unit (ReLU), Dropout
이 부분은 다음에 차근차근 설명하도록 하겠습니다.
딥러닝 특징
1. GPU
gpu의 병렬 처리를 포함한 컴퓨팅 파워가 발달하였습니다. 캐시 메모리 비중이 크지 않으며, 연산할 수 있는 ALU가 1개의 코어에 수 천 개가 장착되어, 데이터를 반복해서 학습시키는 딥러닝의 연산 속도를 크게 줄일 수 있습니다.
+ 그래픽 처리 장치가 있는 고사양의 하드웨어가 필요하다.
2. 특징 추출(Feature Extraction)
머신러닝에서는 사람이 직접 특징 추출하여 기계에 입력하지만 딥러닝에서는 기계가 직접 특징 추출을 합니다.
따라서 상황과 목적에 따라서 머신러닝을 사용할지, 딥러닝을 사용할지 적절하게 사용하면 되겠습니다.
3. Performance
보통 머신러닝은 데이터가 많더라도 일정 시점 이후에는 성능에 큰 차이가 없습니다. 하지만, 딥러닝은 데이터가 증가함에 따라 성능도 지속적으로 향상된다.
4. 딥러닝 활용 분야 : 음성 인식, 이미지 분류, 추천 시스템, nlp
'Data Analysis > DL' 카테고리의 다른 글
| [DL] 다층 퍼셉트론, MLP (0) | 2022.09.25 |
|---|---|
| [DL] 퍼셉트론 Perceptron, TLU (0) | 2022.09.19 |
댓글