실전! 딥러닝 (텐서플로와 케라스를 이용한 딥러닝 최신 기술 활용 가이드)

오타미쯔히사

1986년도쿄출생.나고야에서성장하고교토대학기초물리학연구소에서소립자론을전공하면서2010년에박사를취득했다.그해데이터분석회사인브레인패드사에입사하면서수학적인배경을살려서자연어처리엔진과추천알고리즘개발을담당했다.현재최신기술에대한조사와검증을담당하고있다.TensorFlowUserGroupTokyo책임자로GoogleDeveloperExpert(MachineLearning)이며일본딥러닝협회시험위원을역임하고있다.

[1부]기본편

▣01장:머신러닝라이브러리텐서플로와케라스
1.1텐서플로와딥러닝
__1.1.1텐서플로란
__1.1.2딥러닝이란
1.2딥러닝으로할수있는것
1.2.1이미지처리
1.2.2자연어처리
1.2.3음성처리
__1.2.4강화학습
__1.2.5그외
1.3텐서플로의특징
__1.3.1방향성비순환그래프
__1.3.2다양한환경에서동작
__1.3.3분산처리
__1.3.4텐서보드를이용한가시화
__1.3.5다양한수준의API와에코시스템
1.4케라스(Keras)
__1.4.1케라스의특징
1.5딥러닝라이브러리의동향
__1.5.1DefineandRun과DefinebyRun
__1.5.2여러라이브러리간의모델공유
__1.5.3딥러닝의에코시스템
1.6이책의구성과내용
__1.6.11부에서다루는내용
__1.6.22부에서다루는내용

▣02장:개발환경을구축하자
2.1텐서플로와GPU
__2.1.1CPU버전과GPU버전의차이
2.2파이썬환경구축
__2.2.1아나콘다란?
__2.2.2아나콘다설치
__2.2.3가상환경구축
__2.2.4필요한라이브러리설치
__2.2.5주피터노트북으로동작확인
2.3GPU환경과클라우드활용
__2.3.1GPU버전텐서플로설치
__2.3.2클라우드이용
2.4정리
__2.4.1개발환경에대해서

▣03장:간단한예제로배우는텐서플로의기본
3.1텐서플로와데이터플로우그래프
__3.1.1데이터플로우그래프
__3.1.2세션
3.2데이터플로우그래프의구성요소
__3.2.1데이터플로우그래프의구성요소란
3.3다차원배열과텐서
__3.3.1텐서계산
__3.3.2텐서연산과플레이스홀더
3.4세션과Saver
__3.4.1세션과Saver의이용방법
3.5텐서보드를이용한그래프가시화
__3.5.1그래프가시화
__3.5.2요약출력
__3.5.3텐서보드의기동과실행
3.6최적화와경사법
__3.6.1딥러닝과최적화
__3.6.2경사법(경사하강법)
__3.6.3머신러닝에경사법적용
__3.6.4데이터세트준비
__3.6.5데이터의전처리
__3.6.6모델정의
__3.6.7손실함수의정의와학습
__3.6.8확률적경사하강법과미니배치
3.7최적화와경사법
__3.7.1텐서플로기본에대해서

▣04장:신경망과케라스
4.1최적화와경사법
__4.1.1퍼셉트론이란
__4.1.2시그모이드뉴런
4.2순전파신경망과케라스로구현
__4.2.1순전파신경망
__4.2.2케라스를사용한구현
__4.2.3구축한모델학습
4.3FunctionalAPI
__4.3.1FunctionalAPI의이용
4.4딥러닝라이브러리의동향
__4.4.1순전파신경망을케라스로구현

▣05장:케라스를이용한CNN구현
5.1CNN의개요
__5.1.1입력이미지의크기와파라미터수
__5.1.2합성곱층과풀링층
5.2케라스로CNN구현
__5.2.1CIFAR-10데이터세트
__5.2.2예제데이터임포트
__5.2.3데이터변형
__5.2.4합성곱층추가
__5.2.5풀링층추가
__5.2.6드롭아웃층추가
__5.2.7합성곱층,풀링층추가
__5.2.8완전연결계층추가
__5.2.9모델학습
5.3정리
__5.3.1CNN구현에대해서

▣06장:사전학습모델활용
6.1사전학습모델의활용목적
__6.1.1딥러닝모델을구축할때의어려움
__6.1.2사전학습모델이란
__6.1.3ImageNet의이미지데이터세트
__6.1.4케라스에서이용할수있는사전학습모델
6.2학습시키지않고그대로사용
__6.2.1모델을그대로사용
__6.2.2모델불러오기
__6.2.3입력이미지준비
__6.2.4예측
6.3사전학습모델의일부를재학습(전이학습)
__6.3.1전이학습을하는경우와장점
__6.3.2모델불러오기
__6.3.3모델편집
__6.3.4모델컴파일
__6.3.5생성기생성
__6.3.6iterator생성
__6.3.7모델학습
6.4정리
__6.4.1사전학습모델의활용에대해서

▣07장:자주사용하는케라스기능
7.1케라스의레이어(Layer)객체
__7.1.1케라스레이어
__7.1.2드롭아웃(Dropout)레이어
__7.1.3BatchNormalization(배치정규화)레이어
__7.1.4Lambda(람다)레이어
7.2활성화함수(Activation)
__7.2.1다양한활성화함수
__7.2.2케라스에서활성화함수의이용방법
__7.2.32부에서사용할중요한활성화함수
7.3ImageDataGenerator
__7.3.1ImageDataGenerator의생성과전처리
__7.3.2ImageDataGenerator를사용한데이터불러오기
7.4정리
__7.4.1소개한케라스의기능에대해서

[2부]응용편

▣08장:CAE를이용한노이즈제거
8.1CAE의유용성
__8.1.1CAE의적용예제와유용성
8.2오토인코더,CAE,DAE
__8.2.1오토인코더란
__8.2.2CAE란
__8.2.3DAE란
8.3노이즈제거
__8.3.1노이즈제거
__8.3.2데이터세트불러오기
__8.3.3인위적인노이즈데이터작성
__8.3.4CAE모델구축
__8.3.5모델요약확인
__8.3.6가우시안노이즈데이터를이용한학습과예측
__8.3.7마스킹노이즈데이터를이용한학습과예측
__8.3.8노이즈이미지2종류의예측결과
8.4정리
__8.4.1CAE에대해서

▣09장:자동채색
9.1자동채색이란
9.2자동채색을위한연구
__9.2.1구축할네트워크전체그림
__9.2.2전처리-후처리연구(RGB를LAB로변환)
9.3자동채색을해보자
__9.3.1자동채색처리의흐름
__9.3.2데이터불러오기
__9.3.3전처리:「RGB」를「LAB」로변환
__9.3.4모델구축
__9.3.5모델의학습-예측
__9.3.6후처리:예측결과「AB」를입력하고「L」과RGB」로변환
9.4정리
__9.4.1자동채색에대해서자동채색에대해서

▣10장:초해상
10.1CNN을이용한초해상
__10.1.1초해상이란
__10.1.2SRCNN
__10.1.3데이터전처리
__10.1.4입력데이터생성
__10.1.5모델구축
__10.1.6학습-검증
10.2CAE를이용한초해상
__10.2.1CAE와스킵연결
__10.2.2케라스로구현
10.3정리
__10.3.1CAE와초해상

▣11장:화풍변환
11.1화풍변환의방법
__11.1.1화풍변환이란
__11.1.2손실함수를연구함으로써적용범위가넓어진다
__11.1.3구축할네트워크개요
11.2화풍변환모델의학습방법
__11.2.1학습의입력과출력
11.3화풍변환모델의학습방법
__11.3.1화풍변환실행순서
__11.3.2순서-네트워크구축
__11.3.3순서-학습데이터준비
__11.3.4순서-손실함수정의
__11.3.5순서-모델학습
__11.3.6순서-모델을사용해서화풍변환
__11.3.7학습할때유의점
11.4화풍변환모델의학습방법
__11.4.1화풍변환에대해서

▣12장:이미지생성
12.1CAE와이미지생성
__12.1.1인코더와디코더
12.2DCGAN을이용한이미지생성
__12.2.1DCGAN
12.3BEGAN
__12.3.1BEGAN의특징
__12.3.2BEGAN의수렴판정
12.4BEGAN구현
__12.4.1데이터준비
__12.4.2모델정의
__12.4.3손실함수정의와모델컴파일
__12.4.4학습
12.5화풍변환모델의학습방법
__12.5.1이미지생성과BEGAN에대해서