딥러닝의통계적이해 출석수업과제물 (2023, 만점)

목차

1.Teachable Machine을 이용하여 자신의 머신러닝 모형을 만들고 그 결과를 캡처하여 정리하시오. (5점) https://teachablemachine.withgoogle.com
2.다층신경망의 학습과정을 ChatGPT(또는 Bard, Bing Chat) 등에서 찾고 이를 기반으로 1페이지 이내로 다층신경망의 학습과정을 정리하시오 (5점).
3.http://playground.tensorflow.org 를 크롬으로 접속하여 신경망의 하이퍼파라미터를 달리하여 만든 신경망의 변화에 따른 성능을 2페이지 이내 비교하여 정리하시오. (10점)
* 학번 끝자리: 0~3 -> (b), 4~6 -> (c), 7~9 -> (d)의 데이터를 이용
4.구글 Colab을 이용하여 MNIST에 대한 완전연결신경망을 작성하고 그 과정을 설명하시오. (코드와 최종 결과를 캡처해서 추가로 넣으시오.)(10점)
* GITHUB: DeepS/10장_MNIST_DL.ipynb at master . data-better/DeepS . Github

본문내용

1. Teachable Machine을 이용하여 자신의 머신러닝 모형을 만들고 그 결과를 캡처하여 정리하시오. (5점) https://teachablemachine.withgoogle.com
Teachable Machine을 활용하여 이미지를 학습시켰다. 사용한 이미지는 구글 이미지에서 ‘귀멸의 칼날’이라는 애니메이션의 주인공 4명의 다른 사진들을 각각 10장씩 찾은 뒤 머신러닝의 입력값으로 사용하였다. 본 머신러닝으로 실제로 가지고 있는 피규어 사진을 찍어 이 사진을 입력하면 애니메이션 캐릭터를 정확하게 분류할 수 있는지 파악하고자 하였다.

다음과 같이 학습을 진행하였다.

학습은 에포크 50, 배치 크기 16, 학습률 0.001로 설정하여 진행하였고, 학습 결과를 확인하기 위해 사용한 사진은 다음 네 가지 사진을 활용하였다.

입력 사진을 위에서부터 1, 2, 3, 4라고 정했을 때, 1번 피규어 사진은 잘 구분하지 못하는 모습을 보였으나, 2번 사진부터는 95% 이상의 확률로 피규어 사진을 비교하는 모습을 볼 수 있었다. 1번 사진 분류 정확도가 낮아 고급 옵션을 설정하여 재학습을 진행하였다.
첫 번째 수정 사항으로 에포크를 50에서 100으로 올려 학습을 진행하였으나, 2~4번 사진의 정확도를 올라간 반면, 1번 사진은 오히려 더 떨어지는 양상을 보였다. 이에 에포크를 고정하고 배치 크기를 256으로 설정하였을 때, 다음 그림의 왼쪽과 같이1번 사진을 분류하는 정확도가 상승하였다. 하지만 여전히 다른 사진에 비해서는 높은 정확도를 보이지는 않았다.

이에 위 사진의 오른쪽과 같이 학습률을 재설정한 결과, 학습률을 높였을 때보다 낮췄을 때 더 높은 정확도를 보임을 알 수 있었다.
위 경험을 바탕으로 배치 크기는 높이고 학습률은 낮춰 결과를 출력해 보았다.
배치 크기는 256, 학습률은 0.0008로 실행한 결과 분류 정확도가 현저히 낮아져 학습률만 조정하여 정확도를 높이고자 하였다.

참고자료

· 이긍희 김용대 외 1명. 2020. “딥러닝의통계적이해”. 한국방송통신대학교출판문화원
· ChatGPT. “다중신경망의 학습과정”
· 이긍희. 2023. ‘딥러닝의통계적이해 출석수업 자료’