에너지 엔지니어가 신경망을 연구한 방법 및 무료 과정 "Udacity: 딥 러닝을 위한 TensorFlow 소개" 검토

성인 생활 내내 저는 에너지 드링크였습니다(아니요, 지금 우리는 특성이 모호한 음료에 대해 말하는 것이 아닙니다).

나는 정보 기술의 세계에 특별히 관심을 가진 적이 없으며 종이에 행렬을 곱하는 것조차 거의 할 수 없습니다. 그리고 저는 이것이 필요하지 않았으므로 여러분이 제 작업의 세부 사항을 조금 이해할 수 있도록 멋진 이야기를 공유할 수 있습니다. 한번은 동료들에게 Excel 스프레드시트에서 작업을 하라고 요청했는데, 근무일의 절반이 지났고, 나는 그들에게 다가갔습니다. 그들은 앉아서 계산기, 예, 버튼이 있는 일반 검은색 계산기에 데이터를 요약하고 있었습니다. 자, 이후에는 어떤 신경망에 대해 이야기할 수 있을까요?.. 그래서 저는 IT 세계에 몰입하기 위한 특별한 전제 조건이 없었습니다. 그러나 "우리가 없는 곳이 좋다"고 말하면서 친구들은 증강 현실, 신경망, 프로그래밍 언어(주로 Python)에 대해 내 귀를 맴돌았습니다.

말로는 매우 단순해 보였고, 나는 이 마법의 예술을 내 활동 분야에 적용하기 위해 마스터하는 것이 어떨까 결정했습니다.

이 기사에서는 Python의 기본 사항을 익히려는 시도를 건너뛰고 Udacity의 무료 TensorFlow 과정에 대한 인상을 여러분과 공유하겠습니다.

소개

우선, 에너지 산업에서 11년을 보낸 후, 모든 것을 알고 있고 (책임에 따라) 조금 더 많은 것을 할 수 있을 때, 근본적으로 새로운 것을 배우는 것은 한편으로는 큰 열정을 불러일으킨다는 점에 주목할 가치가 있습니다. 그러나 다른 한편으로는 육체적 고통으로 변합니다. "내 머리 속의 기어."

저는 아직 프로그래밍과 머신러닝의 기본 개념을 모두 완전히 이해하지 못했기 때문에 너무 가혹하게 판단하지 않으셔도 됩니다. 제 글이 저처럼 소프트웨어 개발과는 거리가 먼 사람들에게 흥미롭고 유용했으면 좋겠습니다.

과정 개요로 넘어가기 전에, 이 과정을 공부하려면 최소한 Python에 대한 지식이 필요하다고 말씀드리겠습니다. 초보자를 위한 몇 권의 책을 읽을 수 있습니다. (나도 Stepic 과정을 수강하기 시작했지만 아직 완전히 익히지는 못했습니다.)

TensorFlow 과정 자체에는 복잡한 구성이 포함되어 있지 않지만 라이브러리를 가져오는 이유, 함수가 정의되는 방법, 무언가가 여기에 대체되는 이유를 이해하는 것이 필요합니다.

왜 TensorFlow와 Udacity를 사용하나요?

내 훈련의 주요 목표는 신경망을 사용하여 전기 설치 요소의 사진을 인식하려는 욕구였습니다.

저는 친구들에게서 TensorFlow에 대해 들었기 때문에 TensorFlow를 선택했습니다. 그리고 제가 알기로는 이 강좌가 꽤 인기가 있는 것 같아요.

공식한테서 배워보려고 했는데 지도 시간 .

그러다가 두 가지 문제에 부딪혔습니다.

• 교육 자료는 많고 종류도 다양합니다. 이미지 인식 문제를 해결하기 위한 적어도 어느 정도 완전한 그림을 만드는 것은 나에게 매우 어려웠습니다.
• 나에게 필요한 대부분의 기사는 러시아어로 번역되지 않았습니다. 우연히 나는 어렸을 때 독일어를 배웠고 지금은 많은 소련 어린이들처럼 독일어도 영어도 모릅니다. 물론 성인이 되어서도 영어를 마스터하려고 노력했지만 그림과 같은 결과가 나왔습니다.

공식 홈페이지를 뒤져본 결과 추천할만한 곳을 찾았습니다. 두 개의 온라인 코스 중 하나.

제가 알기로는 Coursera 강좌는 유료였고 강좌는 Udacity: 딥 러닝을 위한 TensorFlow 소개 "무료, 즉 무료"를 통과하는 것이 가능했습니다.

코스 내용

이 과정은 9개의 수업으로 구성됩니다.

첫 번째 섹션은 소개 부분으로, 원칙적으로 왜 필요한지 설명합니다.

수업 #2는 제가 가장 좋아하는 것으로 밝혀졌습니다. 이해하기 쉬웠고 과학의 경이로움도 보여주었습니다. 간단히 말해서, 이 강의에서는 신경망에 대한 기본 정보 외에도 제작자는 단일 레이어 신경망을 사용하여 온도를 화씨에서 섭씨로 변환하는 문제를 해결하는 방법을 보여줍니다.

이것은 실제로 매우 명확한 예입니다. 저는 아직도 여기 앉아서 비슷한 문제를 생각해 내고 해결하는 방법을 생각하고 있습니다. 하지만 전기 기술자에게만 해당됩니다.

불행히도, 낯선 언어로 이해할 수 없는 것을 배우는 것은 꽤 어렵기 때문에 더 지체되었습니다. 나를 구한 것은 Habré에서 찾은 것이었습니다. 이 과정을 러시아어로 번역.

번역이 퀄리티 좋게 잘 됐고, 코랩 노트도 번역이 되어서 원문과 번역본을 모두 봤습니다.

실제로 3번 강의는 공식 TensorFlow 튜토리얼의 자료를 각색한 것입니다. 이 튜토리얼에서는 다층 신경망을 사용하여 옷 사진을 분류하는 방법을 배웁니다(Fashion MNIST 데이터세트).

4번부터 7번까지의 강의 역시 튜토리얼을 각색한 것입니다. 그러나 올바르게 배열되어 있기 때문에 학습 순서를 스스로 이해할 필요는 없습니다. 이 강의에서는 초정밀 신경망, 훈련 정확도를 높이는 방법, 모델을 저장하는 방법에 대해 간략하게 설명합니다. 동시에 이미지 속 고양이와 개를 분류하는 문제도 동시에 해결해 나가겠습니다.

8번 레슨은 완전히 별개의 코스이고, 선생님도 다르며, 코스 자체도 상당히 광범위합니다. 수업은 시계열에 관한 것입니다. 아직은 관심이 없어서 대각선으로 스캔해봤습니다.

이것은 TensorFlow Lite에 대한 무료 강좌를 수강할 수 있는 초대인 강의 #9로 끝납니다.

좋아했던 것과 좋아하지 않았던 것

전문가부터 시작하겠습니다.

• 강좌는 무료입니다
• 강의는 TensorFlow 2로 되어있습니다. 제가 본 교과서나 인터넷에서 본 강좌 중 일부는 TensorFlow 1로 되어 있었습니다. 큰 차이가 있는지는 모르겠지만, 현재 버전을 배우니 좋네요.
• 영상 속의 선생님들은 짜증나지 않습니다. (그러나 러시아어 버전에서는 원본처럼 유쾌하게 읽지는 않습니다.)
• 강좌 시간은 많이 걸리지 않습니다
• 이 과정은 당신을 슬프거나 절망적으로 느끼게 만들지 않습니다. 과정의 작업은 간단하며 명확하지 않은 부분이 있는 경우 항상 Colab 형태의 올바른 솔루션에 대한 힌트가 제공됩니다(작업의 절반이 나에게 명확하지 않음).
• 아무것도 설치할 필요가 없으며, 강좌의 모든 실습 작업을 브라우저에서 수행할 수 있습니다.

이제 단점 :

• 실제로 제어 재료가 없습니다. 테스트도 없고, 과제도 없고, 코스 숙달도를 확인하는 것도 없습니다.
• 내 메모장이 모두 제대로 작동하지 않았습니다. 원래 영어 Colab 강좌의 세 번째 수업에서 오류가 발생한 것 같은데 어떻게 해야 할지 몰랐습니다.
• 컴퓨터에서만 시청하기 편리합니다. 제가 완전히 이해하지 못했을 수도 있지만 스마트폰에서 Udacity 앱을 찾을 수 없었습니다. 그리고 사이트의 모바일 버전은 반응하지 않습니다. 즉, 탐색 메뉴가 거의 전체 화면 영역을 차지하지만 기본 콘텐츠를 보려면 보기 영역 너머 오른쪽으로 스크롤해야 합니다. 또한 휴대폰에서는 영상을 볼 수 없습니다. 6인치가 조금 넘는 화면에서는 실제로 아무것도 볼 수 없습니다.
• 코스의 일부 내용은 여러 번 씹히지만 동시에 컨볼루션 네트워크 자체에서 실제로 필요한 것들은 코스에서 씹히지 않습니다. 나는 여전히 일부 연습의 전반적인 목적을 이해하지 못했습니다(예: Max Pooling의 목적).

개요

분명히 당신은 이미 기적이 일어나지 않았다고 짐작했습니다. 그리고 이 짧은 과정을 마친 후에는 신경망이 어떻게 작동하는지 진정으로 이해하는 것이 불가능합니다.

물론 그 이후에는 스위치와 배전반의 버튼 사진을 분류하는 문제를 스스로 해결할 수 없었습니다.

하지만 전반적으로 이 강좌는 유용합니다. TensorFlow로 어떤 일을 할 수 있는지, 그리고 앞으로 어떤 방향으로 나아가야 하는지 보여줍니다.

먼저 Python의 기본 사항을 배우고 신경망 작동 방식에 대한 러시아어 책을 읽은 다음 TensorFlow를 익혀야 할 것 같습니다.

끝으로, Habr에 대한 첫 번째 기사를 쓰도록 격려하고 포맷을 도와준 친구들에게 감사하다는 말을 전하고 싶습니다.

추신: 귀하의 의견과 건설적인 비판을 환영합니다.

출처 : habr.com