딥러닝

1. 딥 러닝

딥러닝은 머신 러닝의 한 알고리즘으로, 인공 신경망을 사용하여 기계를 학습시키는 것이다. 

 

2. cpu vs gpu

gpu는 비디오, 즉 픽셀로 이루어진 영상을 처리하는 용도로 탄생했다. 대표적으로 nvidia에서 개발한 gpu 개발 툴 cuda를 많은 개발자들이 딥러닝을 위해서 사용하기 시작하였다. 

 

gpu는 cpu의 코어 개수가 8~16개인데 비해 몇천 개 이상이므로 반복적이고 비슷한, 대량의 연산을 수행하며 이를 병렬적으로 나누어 작업하기 때문에 속도가 빠르고 수백 개의 인공 신경망을 학습할 수 있게 되는 것이다.

 

따라서 단순한 행렬연산이 많이 필요한 딥러닝을 위해서 gpu가 사용되고 신경망을 사용하지 않는 일반적인 머신러닝의 속도는 cpu의 처리속도가 빠를 것이다.

 

3. 신경망

nural network라고 하는 인공 신경망은 인간의 뇌를 모방한 것이다. 인간이 학습을 할 때 뇌의 신경섬유를 감싼 미엘린이 전기적 신호로 계속해서 강화되는 것처럼 단순한 연산 기능을 가진 인공 뉴런들을 서로 망으로 연결한 것이다.

 

신경망은 입력층, 은닉층, 출력층으로 이루어진다.

입력층에서 입력값을 입력받고 은닉층에서 입력값을 신경망을 통하여 가중치를 계산하고 출력층에서 출력값을 산출하는 것이다.

 

4. 퍼셉트론

퍼셉트론은 신경망의 구조가 되는 알고리즘이다. 지각이라는 뜻을 가진 perception + 뇌의 신경 세포인 neuron의 합성어이다. 즉 퍼셉트론은 인공 뉴런이다.  

 

퍼셉트론은 입력신호에 대해 고유한 가중치를 부여하여 1 또는 0으로 결과 값을 출력한다. 퍼셉트론의 성능을 결정하는 것이 가중치이기 때문에 가중치를 적절하게 조절하여 오류를 최소화하는 것이 중요하다.

 

 

단층 퍼셉트론에서는 데이터를 하나의 선으로 구분할 수 있기 때문에 xor게이트를 구현하지 못한다. 따라서 xor게이트를 구현하여 비선형 데이터를 처리하기 위해 고안된 것이 은닉층이 2개 이상인 다층퍼셉트론이다.