추후 관련일을 하거나 공부할 일 있다면, 그때 다시 재 정리를 하도록 하자.
https://www.slideshare.net/HeeWonPark11/ss-80653977?from_m_app=ios
http://www.deeplearningbook.org/
http://singularity99.com/ko/articles/101
http://enginius.tistory.com/category/Enginius/Machine%20Learning
https://github.com/golbin/TensorFlow-Tutorials
https://github.com/uosdmlab/tensorflow-tutorial
https://www.tensorflow.org/tutorials/
http://blog.naver.com/PostList.nhn?blogId=sogangori&from=postList&categoryNo=6
http://blog.naver.com/PostList.nhn?blogId=sogangori&from=postList&categoryNo=7
http://jaejunyoo.blogspot.com/2017/01/generative-adversarial-nets-1.html
https://plus.google.com/+JaeJunYoo
http://blog.naver.com/PostView.nhn?blogId=laonple&logNo=220648539191
- Deep Learning 이해를 위해 관련부분 링크
https://www.slideshare.net/HeeWonPark11/ss-80653977?from_m_app=ios
http://www.deeplearningbook.org/
http://singularity99.com/ko/articles/101
http://enginius.tistory.com/category/Enginius/Machine%20Learning
- Machine 과 Deep Learning의 차이
아래의 그림을 보면, AI에서 Machine Learning으로 그리고 Deep Learning의 변화를 간단히 볼 수있다.
차이는 존재하겠지만 그 기본은 동일한 것으로 보인다.
- Cell 기반의 Layer의 구조
Machine / Deep Learning의 구조를 보면, 각각의 Cell 로 구성된 Layer들로 구성되며, 이는 인간의 뇌의 뉴런/ Cell을 기본구성으로 생각하고
이를 만들었다고 하는데, 글을 보면 추상적으로 는 이해가 되지만, 정확히 어떻게 동작되는지는 이해가 되지 않는다.
- 인간의 뉴런구조 와 이를 구현하기 위해서 만든 Cell 구조
상위그림 및 설명출처
https://medium.com/machine-learning-for-humans/neural-networks-deep-learning-cdad8aeae49b
https://medium.com/machine-learning-for-humans/neural-networks-deep-learning-cdad8aeae49b
- Tensorflow 와 Keras 기반으로 설명해주는 Deep Learnig MNIST 설명부분
어느 사이트를 가든 기본으로 설명되는것이 MNIST인데, 이부분을 정확하게 이해하도록해야겠다.
https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0
http://cs231n.stanford.edu/syllabus.html
http://neuralnetworksanddeeplearning.com/chap1.html
https://datascienceschool.net/view-notebook/661128713b654edc928ecb455a826b1d/
TensorFlow 영어 교육 및 실습
https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0
http://cs231n.stanford.edu/syllabus.html
http://neuralnetworksanddeeplearning.com/chap1.html
- Docker 설치 및 구조
https://datascienceschool.net/view-notebook/661128713b654edc928ecb455a826b1d/
TensorFlow 영어 교육 및 실습
- 모두를 위한 딥러닝 관련 학습자료
딥러닝의 Andrew Ng 교수내용이라고 하는데, 내용이 좀 많이 길다.
http://jaejunyoo.blogspot.com/2017/03/kr-nips-2016-tutorial-summary-nuts-and-bolts-of-building-AI-AndrewNg.html
http://jaejunyoo.blogspot.com/2017/03/kr-nips-2016-tutorial-summary-nuts-and-bolts-of-building-AI-AndrewNg.html
- 상위자료 및 다양한 자료들을 수집해놓은 사이트
- Tensorflow 관련내용들 링크
https://github.com/golbin/TensorFlow-Tutorials
https://github.com/uosdmlab/tensorflow-tutorial
https://www.tensorflow.org/tutorials/
- Deep learning 와 Cuda관련자료
http://blog.naver.com/PostList.nhn?blogId=sogangori&from=postList&categoryNo=6
http://blog.naver.com/PostList.nhn?blogId=sogangori&from=postList&categoryNo=7
http://jaejunyoo.blogspot.com/2017/01/generative-adversarial-nets-1.html
https://plus.google.com/+JaeJunYoo
http://blog.naver.com/PostView.nhn?blogId=laonple&logNo=220648539191
- Yollo and Yollo9000 설명
설명이 비교적 쉽게되어 있어서 대충은 이해가 가지만, 완벽히는 이해가 되지 않지만, 추상적으로는 알겠다.
이해가 되지 않는 이유는 보면, 수학함수와 왜 사용을 해야하는지 이해가 되지 않는다.
http://blog.naver.com/PostView.nhn?blogId=sogangori&logNo=221011203855&parentCategoryNo=6&categoryNo=&viewDate=&isShowPopularPosts=true&from=search
이쪽 자료가 너무 방대해서 한번에 알기는 너무 힘들며, 라즈베리파이로도 Tensorflow는 지금 현재 지원이 되는 방향으로 간다.
현재 이쪽 흐름이 어떻게 갈지 모르기때문에 추후 지켜보고 전망 후 사용할 플랫폼 결정이 필요하며,
Tensorflow or Caffe 이외 다른 것도 존재하므로, 지금 공부해야할 것을 정하기가 좀 애매하다.
이 모든 것을 공부하기에는 너무 많다.
http://blog.naver.com/PostView.nhn?blogId=sogangori&logNo=221011203855&parentCategoryNo=6&categoryNo=&viewDate=&isShowPopularPosts=true&from=search
- Caffe / Caffe2
이쪽 자료가 너무 방대해서 한번에 알기는 너무 힘들며, 라즈베리파이로도 Tensorflow는 지금 현재 지원이 되는 방향으로 간다.
현재 이쪽 흐름이 어떻게 갈지 모르기때문에 추후 지켜보고 전망 후 사용할 플랫폼 결정이 필요하며,
Tensorflow or Caffe 이외 다른 것도 존재하므로, 지금 공부해야할 것을 정하기가 좀 애매하다.
이 모든 것을 공부하기에는 너무 많다.
- Bigdata
BigData 부분은 Machine/ Deep Learning의 학습을 위해서 반드시 필요하다.
https://ahyuo79.blogspot.com/search/label/AI-Bigdata
https://ahyuo79.blogspot.com/search/label/AI-Bigdata
- 임베디드 관련보드 기반의 AI 추후 자료찾기
- TI 기반으로 구성된 보드에서는 AI 관련자료를 찾기가 힘듦
- TI 역시 DSP기반으로 제공할 것 같은데, 이부분도 지속적으로 검색해야함
- NVIDIA의 Jetson TX1/TX2 (Tensorflow 및 TensorRT 지원)
- Zynq (Xilinx Soc) JetsonTX2 와 비교해봐야함
- Google기반의 TPU가 지원가능한 SoC가 나올 경우 관련 SoC 검색
- Qualcomm도 DSP 기반으로 상위 플랫폼지원을 한다고 하는데, 추후 검색
댓글 없음 :
댓글 쓰기