DEV.log

(미술관에 GAN 딥러닝 실전 프로젝트, 2019)을 학습하고 개인 학습용으로 정리한 내용입니다. 1. 생성 모델링이란? 생성 모델은 (a)훈련 데이터셋에 있을 것 같은 (b)새롭고 완전히 다른 샘플을 생성합니다. (a) 훈련 데이터셋에 있을 것 같은 \( \rightarrow \) 생성 모델은 원본 데이터와 같은 규칙으로 생성된 것처럼 보이는 특성을 만듭니다. (b) 새롭고 완전히 다른 샘플을 생성 \( \rightarrow \) 생성 모델은 훈련 데이터셋에 있는 샘플을 단순히 재생산하지 않습니다. 생성 모델은 확률적이어야 합니다. 모델이 고정된 계산만 수행한다면 매번 동일한 값을 출력하기 때문에 새로운 데이터를 생성할 수 없습니다. 따라서 개별 샘플에 영향을 미칠 수 있는 확률적(랜덤 한) 요소를 포..

3.1 미술 전시회 특이하게도 이 전시회는 흰 벽만 덩그러니 있고 실제 미술품은 없습니다. 전시를 위한 새 그림이 도착하면 엔 코더 씨는 전시벽에 위치를 표시합니다. 그다음 원본 그림은 치웁니다. 관람객이 그림을 보고 싶다고 요청하면 디 코더 씨가 벽에 표시된 위치의 좌표를 사용하여 그림을 재생성합니다. 3.2 오토인코더 인코더 네트워크는 고차원 입력 데이터를 저차원 표현 벡터로 압축합니다. 디코더 네트워크는 주어진 표현 벡터를 원본 차원으로 다시 압축 해제합니다. 원본 입력은 인코더와 디코더를 지나 재구성 이미지가 됩니다. 입력과 재구성 사이의 손실을 최소화하는 인코더와 디코더의 가중치를 찾기 위해 네트워크가 훈련됩니다. 표현 벡터는 원본 이미지를 저차원 잠재 공간(latent space)으로 압축한 ..

1.1 생성 모델링이란? 생성 모델은 원본 데이터와 동일한 규칙으로 생성된 것처럼 보이는 특성을 만듭니다. 생성 모델은 결정적(deterministic)이 아니고 확률적(probabilistic)이어야 합니다. 이 모델은 생성되는 개별 샘플에 영향을 미칠 수 있는 확률적(랜덤한) 요소를 포함해야 합니다. 다른 말로 하면, 어떤 이미지는 훈련 데이터셋에 있을 것 같고, 다른 이미지는 그렇지 않은 이유를 설명할 수 있는 알려지지 않은 확률 분포가 있다고 가정합니다. 해야 할 일은 가능한 이 분포에 가깝게 흉내 내는 모델을 만드는 것입니다. 그 다음, 이 분포에서 샘플링하여 원본 훈련 세트에 있을 것 같은 새롭고 완전히 다른 샘플을 생성합니다. 1.1.1 생성 모델링과 판별 모델링 판별 모델링과 생성 모델링..