Machine Learning

오디오 기초

오디오 기초 Sound 소리 또는 음 또는 ‘음파’는 공기나 물 같은 매질의 진동을 통해 전달되는 종파 or 파동(Wave) 자연에서의 신호는 자연스러운 곡선을 그리고 컴퓨터에서 받아들이는 신호는 1과 0으로 극단적인 딱딱한 모양으로 그리기 때문에 이 차이를 컴퓨터는 이해, 표현하기 위해 아날로그 신호를 샘플링을 통해 단위 시간 당 샘플의 개수로 쪼갠다 ※ Sampling Rate는 이산적인 신호를 만들기 위해 연속적 신호에서 얻어진 단위시간(1초)당 샘플링 횟수를 정의한다. 아날로그에서 디지털로 변환하는 A/D Converter는 **표본화 → 양자화 → 부호화** 과정을 거친다. **- 표본화** 연속된 신호를 이산 신호로 변환, 나이키스트 정리에 따르면 표본화 시 원음을 그대로 반영하기 위해서는 원..

수치 예측, 범주 예측 (분류)

수치 예측, 범주 예측 (분류) 다변량 데이터에서 X와 Y가 있을 때 Y(정답)의 값이 어떠한 성질을 보이냐 에 따라 수치 예측 인가? 범주 예측 인가?가 나뉘게 된다. 연속형 데이터 (Regression) : 데이터 자체를 숫자로 표현 가격, 길이, 압력, 두께 …. 범주형 데이터 (Classification) : 숫자로 표시할 수 없는 데이터 (양품/불량), (정상/비정상) 수치 예측 예제 수치 예측은 아래 좌측 이미지와 같이 이뤄져 있을 때 가장 정답에 근접한 선이 무엇인가? 에 따라 모델이 결정되고 아래 우측 이미지와 같이 x 값이 들어왔을 때 y의 값을 산출하게 된다. 범주 예측 범주 예측은 예를 들어 양품과 불량 두 가지의 경우가 있을 때, 과연 새로운 노란색 점이 들어왔을 때 어떤 범주에 포..

머신러닝, 인공지능이란?

우선 이 글을 작성하기에 앞서 좋은 영상을 올려주신 유튜브 김성범[ 소장 / 인공지능공학연구소 ] 님께 감사 인사를 드립니다. 머신러닝, 인공지능이란? Machine Learning 머신러닝 이란 직역하자면 “기계가 스스로 학습을 한다” 이다. 다만 실제로는 스스로 학습을 하기 보다는 사람에 의해 학습을 하게 된다. 좀 더 풀이하자면 인간이 개발한 알고리즘을 컴퓨터 언어(Python, Java, C++, ….)를 통해 기계에게 학습 시키는 행위이다. 머신러닝의 데이터 다변량 데이터 관측치 \ 변수 X1 … Xi … Xp N1 X11 … X1i … X1p … … … … … … Ni Xi1 … Xii … Xip … … … … … … Nn Xn1 … Xni … Xnp - 관측치 : 샘플 (고객, 제품, 청구건..

에러, fastai book import error

문제 "fastai와 파이토치가 만나 꽃피운 딥러닝" 책을 공부하기 위해 1챕터의 코랩을 실행시켰는데 완전 처음부터 에러가 발생합니다; attributeerror: module 'tornado.ioloop' has no attribute '_selectable' 아니... 책을 계속 팔거면 구글 코랩이 업그레이드 된 정보 확인하고 에러 안나게 수정해야죠....... 해결방법 문제해결하기 위해서는 다음 라이브러리 버전 수정이 필요했습니다 !pip install jupyter-client==6.1.12 !pip install tornado==5.1.0 !pip install fastai==2.0.15 !pip install fastai2==0.0.30 !pip install fastcore==1.0.16. ..

Axis 에 따른 인덱스 선별 기준

np.argmax 에는 Axis가 존재하여 Axis 기준으로 계산을 다르게 할 수 있다. 0차원 1차원 2차원이가?에 대해 이해를 하고 x축, y축, z축을 알아야 한다. 아래 np.arrray를 상자가 쌓인 모양으로 상상해 보는 것이 가장 알맞다. np.array( [ [[0.1,0.8,0.1],[0.3,0.1,0.6]], [[0.3,0.1,0.6],[0.5,0.9,1.0]], [[0.2,0.5,0.3],[0.1,0.4,0.7]], [[0.8,0.1,0.1],[0.5,0.3,0.2]] ] ) 0차원 -> x축 기준으로 계산 [3 0 1] [1 1 1] 1차원 --> y축 기준으로 계산 [1 0 1] [1 1 1] [0 0 1] [0 1 1] 2차원 --> z축 기준으로 계산 [1 2] [2 2] [1 ..

Backend 에서 Tensorflow, Keras 로 머신러닝, 딥러닝 작업 시 GPU 메모리 반환하지 않는 문제 해결 방법

Backend 에서 Tensorflow, Keras 로 머신러닝, 딥러닝 작업 시 GPU 메모리 반환하지 않는 문제 해결 방법 + 저는 Pytorch 도 테스트 해보니 GPU 메모리 반환이 잘 이뤄졌습니다. How to clear GPU memory when using tensorflow or pytorch? 인트로 해당 문제는 프로젝트의 특이성으로 인해 “지정된 GPU를 사용해야 하는” 그리고 “백엔드에서 추론(inference)을 위해 GPU를 사용하는 것”과 “다른 특정한 프로그램에서도 같은 GPU를 사용”함으로써 “GPU를 공유해서 사용”해야 하는 경우 하나의 프로세스가 GPU 메모리를 반환하지 않고 잡고 있어 문제가 된 상황입니다. GPU를 사용하면 nvidia-smi 상에서 GPU 메모리가 꽉..

모두의 딥러닝 1 - 머신러닝이란

머신러닝이란? Machine Learning 이라는 영어 단어 그대로 풀이 하자면 기계를 학습 시키는 것이다. 머신러닝의 종류 Supervised Learning ( 지도 학습 ) 정해져 있는 데이터를 가지고 컴퓨터에게 학습 시킨다. Unsupervised Learning ( 비지도 학습 ) 정해져 있지 않은 데이터를 가지고 컴퓨터 스스로 학습 시킨다. 당근과 채찍이 있어야 한다. Reinforcement learning ( 강화 학습 ) Supervised Learning 지도 학습의 Dataset Types regression 정해져 있는 범위에서 정답을 예측한다 x (hours) y (score) 10 90 9 80 3 50 2 30 binary classification 두 가지의 분류를 기준으로..

직선을 구하는 방식의 차이

두 가지의 예를 통해 직선을 구해서 차이점을 눈으로 확인해 보자 선 형 회귀 알고리즘의 적용방식 첫 점부터 끝 점까지 선을 그리는 방식 위에 보이는 것처럼 머신러닝 알고리즘과 일반적인 첫 점부터 끝점까지 선을 그리는 방식의 차이를 확연히 볼 수 있는데 이는 값이 커질수록 그 차이를 크게 느낄 수 있다. 다음으로는 코드의 분석을 해보자 더보기 더보기 def machine_learning(D): N = D.shape[1] X = np.c_[np.ones(N), D[0]] y = D[1] w = np.linalg.solve(np.dot(X.T, X), np.dot(X.T, y)) return w def more_clever(D): first, last = D[:, 0], D[:, -1] w1 = (last[1..