rickiepark/deep-learning-with-python-notebooks

<케라스 창시자에게 배우는 딥러닝> 도서의 주피터 노트북

Hi Everyone 👋

I ❤️ to ✍️ about Machine Learning and Deep Learning. Here are repositories for 📚 that I translated or wrote. Just click 📙 to go the repo.

• 🦜 실무로 통하는 ML 문제 해결 with 파이썬 (repo, errata), 한빛미디어, 2024
• 🔥 머신 러닝 교과서: 파이토치 편 (repo, errata), 길벗, 2023
• ✏️ 스티븐 울프럼의 챗GPT 강의 (errata), 한빛미디어, 2023
• 🦎 핸즈온 머신러닝 3판 (repo, errata), 한빛미디어, 2023
• 🖼️ 만들면서 배우는 생성 AI 2판 (repo, errata), 한빛미디어, 2023
• ⏰ 코딩 뇌를 깨우는 파이썬 (video, repo, errta), 한빛미디어, 2023
• 🗿 챗GPT로 대화하는 기술 (errata), 한빛미디어, 2023
• 👩‍🎓 혼자 공부하는 데이터 분석 with 파이썬 (video, repo, errata), 한빛미디어, 2023
• 🤗 트랜스포머를 활용한 자연어 처리 (repo, errata), 한빛미디어, 2022
• 🦄 케라스 창시자에게 배우는 딥러닝 2판 (repo, errata), 길벗, 2022
• 👩‍💻 개발자를 위한 머신러닝&딥러닝 (repo, errata), 한빛미디어, 2022
• 🚀 XGBoost와 사이킷런을 활용한 그레이디언트 부스팅 (repo, errata), 한빛미디어, 2022
• 🦏 구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js (repo, errata), 길벗, 2022
• 🐉 (개정2판)파이썬 라이브러리를 활용한 머신러닝 (repo, errata), 한빛미디어, 2022
• 🦋 머신러닝 파워드 애플리케이션 (repo, errata), 한빛미디어, 2021
• 🐦 파이토치로 배우는 자연어 처리 (repo, errata), 한빛미디어, 2021
• 🤖 머신 러닝 교과서 3판 (video, repo, errata), 길벗, 2021
• 🦪 딥러닝 일러스트레이티드 (repo, errata), 시그마프레스, 2021
• 🧑‍🎓 혼자 공부하는 머신러닝+딥러닝 (video, repo, errata), 한빛미디어, 2020
• 👗 GAN 인 액션 (repo, errata), 한빛미디어, 2020
• 🦎 핸즈온 머신러닝 2 (video, repo, errata), 한빛미디어, 2020
• 🖼️ 미술관에 GAN 딥러닝 (repo, errata), 한빛미디어, 2019
• 💪 Do It! 딥러닝 (video, repo, errata), 이지스퍼블리싱, 2019
• 🦜 파이썬을 활용한 머신러닝 쿡북 (repo, errata), 한빛미디어, 2019
• 🤖 머신 러닝 교과서 (repo, errata), 길벗, 2019
• 🐉 (개정판)파이썬 라이브러리를 활용한 머신러닝 (repo, errata), 한빛미디어, 2019
• 🦄 케라스 창시자에게 배우는 딥러닝 (repo, errata), 길벗, 2018
• 🦎 핸즈온 머신러닝 (repo, errata), 한빛미디어, 2018
• 🐉 파이썬 라이브러리를 활용한 머신러닝 (repo, errata), 한빛미디어, 2017
• 🧠 텐서플로 첫걸음 (repo, errata), 한빛미디어, 2016

deep-learning-with-python-notebooks's Issues

[5.2-using-convnets...] flow 는 언제 사용하는건가요 ? +alpha

증식된 이미지 샘플을 살펴보는 부분 (In [20]: ..) 에서

마지막에 flow 를 이용해서 이미지를 4 개 추출하여 보여주셨는데

flow 는 언제 사용하는건지 궁금합니다.

flow_from_directory 는 디렉토리명에 따라 달리 레이블을 지정해주는 듯한데요,

flow 는 단순히 이렇게 이미지를 볼때 사용하라고 만든것은 아닐 것 같아서요.

---

그리고, 과대적합을 해결하기 위해 여러 기법을 사용하는 것을 배웠는데

예를들어 과대적합이 epoch 4 번째에 시작된다고 하면,

epoch = 3 으로 제한하는 것과,

여러 기법을 통해 더 많은 수의 epoch 까지 과대적합이 일어나지 않게 하는 것 중

왜 후자의 방법을 택해야 하는지 잘 모르겠습니다.
,
epoch 가 늘어날수록 가중치를 수정할 기회가 많아져서 정확도가 증가하는건가요 ?

5.3 사전 훈련된 컨브넷 사용하기 관련 질문 있습니다.

특성 추출하기에서,

데이터 증식을 사용하는 경우와 사용하지 않는 경우에 End-to-End 로 학습시킬지가 결정이 되는거 같은데, 정확히 이해를 못하였습니다.

데이터 증식을 사용하는 경우 (ImageDataGenerator 를 사용하는 경우), 왜 학습된 VGG16 이후에 그대로 conv_base.predict() 를 사용하지 못하고 End-to-End 학습을 해야 하는지요?

사용하는 함수도 model.fit 과 model.fit_generator 로 다른데 이 부분도 같이 설명해 주시면 감사하겠습니다.