[PyTorchZerotoAll 내용정리] 01 Overview

출처:

본 내용은 아래의 Sung Kim(HKUST)님의 PyTorchZerotoAll의 내용을 기반으로 Pytorch 공식문서의 내용과 함께 정리한 것입니다.

  영상:  https://youtu.be/SKq-pmkekTk

Code: https://github.com/hunkim/PyTorchZero... Slides: http://bit.ly/PyTorchZeroAll

 

What is ML? 

how ml work

ML에 관해 알아보기 전에 Human Intelligence에 관해 알아보자. 사람들은 결정을 내릴 때, information(정보)에서 output을 생각해낸다. 

예를 들어 점심에 무엇을 먹을지 결정할때(내가 항상 고민하는 거다), 우리는 우리가 무엇을 좋아하는지, 싫어하는지, 오늘 점심 메뉴는 뭔지 등 여러 정보를 이용해서 무엇을 먹을지 결정한다. 이 과정을 추론, infer이라고 한다. 

비슷한 예시로, 우리는 고양이 사진을 보고, 사진이 나타내는 것이 고양이라는 것을 predict(or classify)한다. 

기계도 동일하다. 

정보를 이용해서 output을 통해 추론의 결과를 말한다. 

 

하지만 기계의 경우 아무런 사전 정보가 없을 때는 정말 문자 그대로 아무것도 모르기에, 학습을 시켜줘야한다. 그렇기에 training 과정이 필요하다(이 과정에서 답이 존재한다면, lable dataset이라고 한다)

기계는 어떻게 학습하는가?

Machine learing, Deep learning, AI

AI는 가장 큰 개념이고, ML이 다음, DL 혹은 NN이 가장 작은 개념, 대다수 문제는 최근 deep learning으로 푼다

 머신러닝과 딥러닝의 관계를 설명하는 그림이다. AI는 일반적으로 사람이 아닌 지능을 가진 모든 것을 이야기한다.

딥러닝은 neural network에서 사용되는 알고리즘의 그룹으로, 깊고 많은 layer을 가지고 있어 이를 deep하다고 표현한다.  

우리가 최근 딥러닝에 관해 많이 언급하는 것은 이것이 잘 동작하기 때문이다(동시에 여러 문제에 적용가능하다)

Pytorch

사실 구현에 있어서는 다양한 프레임워크를 사용가능하지만, 대다수 Pytorch와 Tensorflow 중 하나를 선택한다. 

이 강의는 torch 기반으로 설명이 이루어진다.