본문 바로가기

Python/Deep Learning8

딥러닝 유사도 측정 딥러닝 유사도 측정: 코사인 유사도 vs. 유클리드 거리딥러닝 모델을 통해 데이터를 벡터 형태로 표현하고, 이를 효율적으로 관리하는 벡터 데이터베이스(Vector DB)는 현대 AI 시스템의 핵심 요소로 자리 잡았습니다. 특히, 벡터 DB의 핵심 기능인 유사도 검색(Similarity Search) 은 추천 시스템, 정보 검색, 이상 탐지 등 다양한 분야에서 활용되고 있습니다. 유사도 검색의 성능은 어떤 유사도 측정 방식을 사용하느냐에 따라 크게 달라지므로, 데이터의 특성과 문제의 목적에 맞는 적절한 방식을 선택하는 것이 중요합니다. 이번 글에서는 대표적인 유사도 측정 방식인 코사인 유사도와 유클리드 거리를 집중적으로 분석하고, 각 방식이 딥러닝에서 어떻게 활용되는지, 그리고 어떤 상황에서 유리한지 실제.. 2025. 2. 17.
[PyTorch] 경사하강법 코드예제 PyTorch로 배우는 경사하강법(Gradient Descent) 코드예제머신러닝, 딥러닝의 핵심 알고리즘인 경사하강법(Gradient Descent)! 이름은 어렵게 들리지만, 원리는 생각보다 간단합니다. 마치 눈을 가리고 산을 내려가는 것처럼, 가장 가파른 경사를 따라 조금씩 내려가면서 최적의 지점을 찾는 방법이죠.이번 글에서는 PyTorch 코드를 통해 경사하강법의 핵심 단계를 직접 살펴보고, 각 단계가 어떤 의미를 가지는지 자세히 알아보겠습니다.1. 준비물: 모델, 손실 함수, 옵티마이저먼저, 경사하강법을 적용할 모델, 모델의 예측이 얼마나 틀렸는지 평가할 손실 함수, 그리고 경사하강법을 수행할 옵티마이저를 준비해야 합니다.import torchimport torch.nn as nnimport t.. 2025. 2. 11.
[딥러닝] 경사하강법을 사용한 신경망 학습법 딥러닝 신경망경사하강법을 사용한 신경망 학습법 (선형)안녕하세요! 딥러닝 신경망과 경사하강법에 대해 알아보는 시간을 가져보겠습니다. 이번 글에서는 선형 회귀 모델을 예시로 경사하강법을 사용한 신경망 학습법을 쉽게 이해할 수 있도록 설명하겠습니다.선형 회귀 모델이란?선형 회귀 모델은 데이터 속에서 패턴을 찾아 가장 잘 맞는 직선을 그리는 것을 목표로 합니다. 간단하게 말해, 주어진 입력(feature)과 출력(target) 사이의 선형 관계를 모델링하는 것이죠.PyTorch를 이용한 선형 회귀 모델 구현PyTorch의 nn.Module을 사용하여 선형 회귀 모델을 구현하는 방법을 알아봅시다.import torchimport torch.nn as nnclass LinearRegressionModel(nn.M.. 2025. 2. 10.
[PyTorch] 텐서 연산 PyTorch 텐서 연산 이해하기: 학습 정리 및 예제최근 PyTorch를 이용하여 텐서(tensor) 생성 및 연산에 대해 학습하면서 다양한 예제를 직접 실행해 보았습니다. 이번 포스팅에서는 스칼라, 벡터, 행렬 곱셈, 그리고 다차원 텐서 연산의 기본 개념과 함께 실습 예제를 정리하여 소개합니다.1. 텐서 기본 개념스칼라 텐서하나의 값으로 이루어진 텐서입니다. 예를 들어, 아래와 같이 생성할 수 있습니다.scalar = torch.tensor(44)벡터(1차원 텐서)여러 개의 숫자로 이루어진 1차원 텐서로, 다음과 같이 생성할 수 있습니다.vector = torch.tensor([1, 2, 3, 4])2. 행렬(2차원 텐서) 및 행렬 곱셈행렬 곱셈은 두 행렬의 연산을 수행할 때, 앞 행렬의 열 개수와 .. 2025. 2. 6.
[딥러닝] PyTorch에서 Tensor 개념 1. 파이토치(PyTorch) 소개파이토치는 텐서(Tensor)를 기본 단위로 삼아 딥러닝 모델을 직관적으로 구성할 수 있는 라이브러리입니다. 자동 미분(Autograd)과 GPU 병렬 연산을 쉽게 적용할 수 있어, 다양한 연구·실무 환경에서 폭넓게 사용됩니다.2. 텐서(Tensor)란 무엇인가텐서는 데이터를 담는 “그릇”이며, 스칼라(0차원), 벡터(1차원), 행렬(2차원), 그 이상의 고차원 배열 형태를 모두 아우릅니다.모든 딥러닝 모델의 입력, 가중치, 중간 연산 결과 등이 텐서로 표현되며, 컴퓨터가 처리할 수 있는 숫자 형태로 데이터를 유연하게 관리합니다.예시: 이미지(4차원 텐서), 시계열 데이터(3차원 텐서), 일반 벡터(1차원 텐서) 등 다양한 차원 구조를 가집니다.3. 행렬곱셈(Matrix.. 2025. 2. 5.
딥러닝 발전과정,RNN 딥러닝 개요 및 학습 정리 목차1부: 딥러닝의 발전 과정 및 기본 개념1. 뉴런과 신경망 모델링2. 퍼셉트론과 딥러닝의 암흑기3. 다층 퍼셉트론(MLP)과 은닉층2부: 순차 데이터와 자연어 처리1. 순차 데이터 처리와 RNN2. 토큰화와 워드 임베딩결론 1부: 딥러닝의 발전 과정 및 기본 개념 1. 뉴런과 신경망 모델링딥러닝의 핵심 개념은 인간의 뇌에서 영감을 받아 만들어진 뉴런(Neuron)을 기반으로 한다. 생물학적 뉴런이 전기 신호를 통해 정보를 전달하는 것처럼, 인공 뉴런은 입력 값을 받아 가중치를 적용하고 활성화 함수를 거쳐 출력을 생성하는 방식으로 작동한다. 이러한 뉴런들이 모여 인공 신경망(Artificial Neural Network, ANN)을 형성하며, 이를 통해 다양한 패턴을 학습하고.. 2025. 2. 3.

티스토리툴바