4/23/2018

Deep/ Machine Learning 자료 와 Cuda 자료 링크들

현재 Deep learning 및 AI 에 관련일을 하지 않기 때문에, 관련부분은 링크로 자료수집하며, 추후 시간이 된다면, 관련교육내용 사항을 정리하자. 
추후 관련일을 하거나 공부할 일 있다면, 그때 다시 재 정리를 하도록 하자. 
  • 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 




  • 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


  • Docker 설치 및 구조
Machine / Deep Learning을 보다 보면, Docker를 자주 사용해야하는데, 관련부분도 자세히 알아야함
  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

  • 상위자료 및 다양한 자료들을 수집해놓은 사이트 
  http://hunkim.github.io/ml/


  • Tensorflow 관련내용들 링크 
  https://www.slideshare.net/JunKim22/tensorflow-tutorial-68885890
  https://github.com/golbin/TensorFlow-Tutorials
  https://github.com/uosdmlab/tensorflow-tutorial
  https://www.tensorflow.org/tutorials/

  • Deep learning 와 Cuda관련자료
Deep Learning관련부분을 찾다보면, 연산량때문에 반드시 Nvidia의 Cuda가 나오며, 관련자료들을 링크 
  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

  • Caffe / Caffe2
  http://caffe.berkeleyvision.org/
 

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://ahyuo.blogspot.com/search/label/Bigdata

  • 임베디드 관련보드 기반의 AI 추후 자료찾기 
  1.  TI 기반으로 구성된 보드에서는 AI 관련자료를 찾기가 힘듦
  2.  TI 역시 DSP기반으로 제공할 것 같은데, 이부분도 지속적으로 검색해야함
  3.  NVIDIA의 Jetson TX1/TX2  (Tensorflow 및 TensorRT 지원)
  4.  Zynq (Xilinx Soc)  JetsonTX2 와 비교해봐야함 
  5.  Google기반의 TPU가 지원가능한 SoC가 나올 경우 관련 SoC 검색
  6.  Qualcomm도 DSP 기반으로 상위 플랫폼지원을 한다고 하는데, 추후 검색
Tags:

댓글 없음 :

댓글 쓰기

피드 구독하기: 댓글 ( Atom )