HAMA 블로그

딥러닝 관심있던 개발자 여러분 그동안 영어 이해하랴 이론 이해하랴 정말 수고 많으셨습니다. 괜찮은 한국어 동영상이 있어서 링크 해 봅니다. 정말 쉽게 딥러닝의 이론에 대해서 설명합니다. 매우 감사한 일입니다. 이 동영상으로 기반을 이해하고, Caffe 등을 통한 다양한 실제 적용을 통해 통찰력과 직관을 기르면 일반 개발자 입장에서 딥러닝을 본인의 프로젝트에 좋은 서브무기로 사용 할 수 있으리라 봅니다. * 이래서 동강동강하나 봅니다. 제공 : 모두의 연구소 - 이찬우 연구원 [딥러닝] 1. Introduction[딥러닝] 2. 선형회귀와 Gradient Descent[딥러닝] 3. Gradient Descent & Normal Eq.[딥러닝] 4. 로지스틱 회귀[딥러닝] 5. 로지스틱 회귀의 비용함수[딥..

마스터 알고리즘을 읽고 정리했습니다. 머신러닝 처음 입문하는 사람이 보기엔 그닥이고 어느정도 학습 후 보시길 권합니다. 예를들어 1,2,4,5 의 평균 을 구하는것을 배우려면 더하기랑 나누기를 배우면 됩니다만 이 책은 그런 간결하고 명쾌한 해답을 알려주는 책이 아니라 여러가지 이론을 말로 주저리주저리 풀면서 연관시키는데 목적을 두고 있습니다. 그 주저리주저리는 아마도 님을 주화입마에 빠지게 할 거에요 -.-;; 저도 치명상을 입고 누워있..

AR-HMM 에 대한 논문을 읽다가 통계학에 관해 공부를 조금 했는데 (배워서 써먹는게 아니라 내 경우는 써먹으려고 배운 경우라 시간이 없어 기초/체계가 부족하다) 관련 교과서들이 why 에 대해 설명한 교재는 거의 없더라 ... 몇권있다일본인이 쓴 "빅데이터를 지배하는 통계의 힘"이란 책이 why 에 대한 책 중 하나 참고로 주파수 해석에 관한 책으론 "수학으로 배우는 파동의 법칙" 이 패턴인식으로는 "패턴인식 - 오일석 저" 가 참 좋다. 이해시키려고 책을 썼다는 느낌이 든다...팔아먹으려고 혹은 자신이 성취한것을 자랑하기 위해 쓰여진 국내 책들이 너무나 많다. 그 와중에 통계학에 대한 편견이 생겼는데 쉬운걸 어렵게 설명하는데 있어선 최고인 학문같다라는 점.학문 자체가 '글월 (문장)' 으로 설명하는..

Wavelet Regression in PythonLast week I needed to get my head around wavelet regression techniques for a project I am working on. This post will show how to do basic wavelet regression in Python using PyWavelets. For references I used Chapter 9 in Wasserman's All of Non-Parametric Statistics, Ogden's Essential Wavelets for Statistical Applications and Data Analysis, and Donoho and Johnstone's "I..

1편가기 (현재 블록체인 분야에 집중하고 있어서 2편 번역 할 시간이 없네요.. 죄송합니다 ㅜㅜ) Part II: Advanced conceptsWe now have a very good intuition of what convolution is, and what is going on in convolutional nets, and why convolutional nets are so powerful. But we can dig deeper to understand what is really going on within a convolution operation. In doing so, we will see that the original interpretation of computing a convol..

평소 무엇인가를 쉽게 설명하는 능력이 있다고 생각해서 , CNN (convolutional neural network) 도 그렇게 해볼까 했는데 역시 무리. 쉽게 설명한다는것은 그것에 대해 확실한 이해를 가지고 있다고 생각될때 가능한것인데 아직 CNN 라는 풍랑에서 표류중이기 때문에 대신해서 좋은 해외 블로그글을 번역하고자 한다. 일반 소프트웨어 엔지니어 입장에서 딥러닝을 활용하기 위해서 수학적인 이해는 필요 없다고 생각하며, 대신 직관적인 이해는 반드시 해야하는데 이 글은 좋은 지침이 될거 같다. 이 글을 이해하기 위해서 선수학습으로 다음의 것을 알고 있으면 좋다. (물론 이것들도 직관적인 이해만 하면 된다. 옆에서 누가 설명해주면 반나절이면 족할 내용이지만 아마 직접 책을 통해 공부한다면 꽤나 오래 ..

https://cloud.google.com/vision/ 문자인식쪽으로 사용될 부분이 많아보이네요. 90도 회전문자도 잘 지원해 주고~사물이나 얼굴같은경우는 해당 도메인에 맞춤 인식이 필요한 부분이 많을듯 하여 직접 딥러닝 (CNN, R-CNN) 아키텍처를 만들어야 할 경우가 많을거 같습니다. ㅋㅋㅋ

개발자 여러분 그동안 영어 이해하랴 이론 이해하랴 정말 수고 많으셨습니다. 정말 좋은 한글 동영상이 있어서 링크 해 봅니다. 정말 쉽게 딥러닝의 이론에 대해서 설명해주네요.이 동영상으로 기반을 이해하고, Caffe 등을 통한 다양한 실제 적용을 통해 통찰력과 직관을 기르면 일반 개발자 입장에서 딥러닝을 본인의 프로젝트에 좋은 서브무기로 사용 할 수 있으리라 봅니다. * 이래서 동강동강하나 봅니다. 제공 : 모두의 연구소 - 이찬우 연구원 [딥러닝] 1. Introduction[딥러닝] 2. 선형회귀와 Gradient Descent[딥러닝] 3. Gradient Descent & Normal Eq.[딥러닝] 4. 로지스틱 회귀[딥러닝] 5. 로지스틱 회귀의 비용함수[딥러닝] 6. 신경망의 표현[딥러닝] 7..

binaryproto -> npy 변경 함수 예시 #!/usr/bin/env python import caffe import numpy as np import sys ## proto / datum / ndarray conversion def blobproto_to_array(blob, return_diff=False): """ Convert a blob proto to an array. In default, we will just return the data, unless return_diff is True, in which case we will return the diff. """ # Read the data into an array if return_diff: data = np.array(blob...

LayersTo create a Caffe model you need to define the model architecture in a protocol buffer definition file (prototxt).Caffe layers and their parameters are defined in the protocol buffer definitions for the project incaffe.proto.Vision LayersHeader: ./include/caffe/vision_layers.hppVision layers usually take images as input and produce other images as output. A typical “image” in the real-worl..