- 현재 위치
- home > 컴퓨터·ICT·어학 > 컴퓨터·IT 도서 > 컴퓨터공학 > 파이토치 첫걸음[한빛미디어]
;)
■ 페이스북이 주도하는 딥러닝 프레임워크 파이토치
기초부터 스타일 트랜스퍼, 오토인코더, GAN 실전 기법까지 A to Z
딥러닝 구현 복잡도가 증가함에 따라 ‘파이써닉’하고 사용이 편리한 파이토치가 주목받고 있다. 파이토치 코리아 운영진인 저자는 다년간 딥러닝을 공부하고 강의한 경험을 살려 딥러닝의 진입 장벽을 낮출 목적으로 이 책을 집필했다. 파이토치 설치부터 CNN, RNN, 나아가 스타일 트랜스퍼, 오토인코더, GAN 등 최신 연구 결과까지 살펴본다. 같은 어려움을 겪었던 개발자의 마음으로 개념 원리와 구현을 균형 있게 구성하여 쉽게 읽을 수 있다.
기초부터 스타일 트랜스퍼, 오토인코더, GAN 실전 기법까지 A to Z
딥러닝 구현 복잡도가 증가함에 따라 ‘파이써닉’하고 사용이 편리한 파이토치가 주목받고 있다. 파이토치 코리아 운영진인 저자는 다년간 딥러닝을 공부하고 강의한 경험을 살려 딥러닝의 진입 장벽을 낮출 목적으로 이 책을 집필했다. 파이토치 설치부터 CNN, RNN, 나아가 스타일 트랜스퍼, 오토인코더, GAN 등 최신 연구 결과까지 살펴본다. 같은 어려움을 겪었던 개발자의 마음으로 개념 원리와 구현을 균형 있게 구성하여 쉽게 읽을 수 있다.
저자: 최건호
CHAPTER 1 딥러닝에 대하여
1.1 딥러닝이란 무엇인가
1.2 왜 배워야 하는가
1.3 무엇을 할 수 있는가
CHAPTER 2 파이토치
2.1 파이토치는 무엇이고 왜 써야 하는가
2.2 다른 프레임워크와의 비교
2.3 설치하는 법
CHAPTER 3 선형회귀분석
3.1 선형회귀분석이란 무엇인가
3.2 손실 함수 및 경사하강법
3.3 파이토치에서의 경사하강법
CHAPTER 4 인공 신경망
4.1 신경망이란 무엇인가
4.2 인공 신경망의 요소
4.3 전파와 역전파
4.4 모델 구현, 학습 및 결과 확인
CHAPTER 5 합성곱 신경망
5.1 합성곱 신경망의 발달 배경
5.2 합성곱 연산 과정
5.3 패딩과 풀링
5.4 모델의 3차원적 이해
5.5 소프트맥스 함수
5.6 모델 구현, 학습 및 결과 확인
5.7 유명한 모델들과 원리
CHAPTER 6 순환 신경망
6.1 순환 신경망의 발달 과정
6.2 순환 신경망의 작동 원리
6.3 모델 구현, 학습 및 결과 확인
6.4 순환 신경망의 한계 및 개선 방안
CHAPTER 7 학습 시 생길 수 있는 문제점과 해결 방안
7.1 오버피팅과 언더피팅
7.2 정형화
7.3 드롭아웃
7.4 데이터 증강
7.5 초기화
7.6 학습률
7.7 정규화
7.8 배치 정규화
7.9 경사하강법의 변형
CHAPTER 8 뉴럴 스타일 트랜스퍼
8.1 전이학습
8.2 스타일 트랜스퍼
8.3 스타일과 콘텐츠의 정의
8.4 학습 알고리즘
8.5 최적화 알고리즘
8.6 코드 구현
CHAPTER 9 오토인코더
9.1 소개 및 학습 원리
9.2 합성곱 오토인코더
9.3 시맨틱 세그멘테이션
CHAPTER 10 생성적 적대 신경망
10.1 소개 및 학습 원리
10.2 모델 구현 및 학습
10.3 유명한 모델들과 원리
1.1 딥러닝이란 무엇인가
1.2 왜 배워야 하는가
1.3 무엇을 할 수 있는가
CHAPTER 2 파이토치
2.1 파이토치는 무엇이고 왜 써야 하는가
2.2 다른 프레임워크와의 비교
2.3 설치하는 법
CHAPTER 3 선형회귀분석
3.1 선형회귀분석이란 무엇인가
3.2 손실 함수 및 경사하강법
3.3 파이토치에서의 경사하강법
CHAPTER 4 인공 신경망
4.1 신경망이란 무엇인가
4.2 인공 신경망의 요소
4.3 전파와 역전파
4.4 모델 구현, 학습 및 결과 확인
CHAPTER 5 합성곱 신경망
5.1 합성곱 신경망의 발달 배경
5.2 합성곱 연산 과정
5.3 패딩과 풀링
5.4 모델의 3차원적 이해
5.5 소프트맥스 함수
5.6 모델 구현, 학습 및 결과 확인
5.7 유명한 모델들과 원리
CHAPTER 6 순환 신경망
6.1 순환 신경망의 발달 과정
6.2 순환 신경망의 작동 원리
6.3 모델 구현, 학습 및 결과 확인
6.4 순환 신경망의 한계 및 개선 방안
CHAPTER 7 학습 시 생길 수 있는 문제점과 해결 방안
7.1 오버피팅과 언더피팅
7.2 정형화
7.3 드롭아웃
7.4 데이터 증강
7.5 초기화
7.6 학습률
7.7 정규화
7.8 배치 정규화
7.9 경사하강법의 변형
CHAPTER 8 뉴럴 스타일 트랜스퍼
8.1 전이학습
8.2 스타일 트랜스퍼
8.3 스타일과 콘텐츠의 정의
8.4 학습 알고리즘
8.5 최적화 알고리즘
8.6 코드 구현
CHAPTER 9 오토인코더
9.1 소개 및 학습 원리
9.2 합성곱 오토인코더
9.3 시맨틱 세그멘테이션
CHAPTER 10 생성적 적대 신경망
10.1 소개 및 학습 원리
10.2 모델 구현 및 학습
10.3 유명한 모델들과 원리
