티스토리 뷰

CNN



CNN 트래블은 그동안 한국 뿐만 아니라 중국,일본 같은 동아시아와 태국,베트남,인니 같은 동남아시아 지역도나름대로의 분석을 통하여 이런 시리즈를 소개 하는데요,얼마전에 소개 되었던 한국에서 가장 아름다운 장소 40선은 과연 어디인지2012년에 소개 되었던 한국 여행지 50선 또는 최근 핫 플레이스와 비교해서 보면 멋진 자료가 될 듯 합니다.

가장 많은 지역은 역시 제주도 이고 그 외에 우리에게 다소 생소한 장소도 있습니다.

^^?경주 안압지(Anapji Pond):경상북도 경주시 인왕동-신라시대의 연못 이라고 교과서 에서 배운 곳인데 의외인 장소가 선정 되었네요?협재해변(Hyeupjae Beach):제주도 한림읍 협재리-제주도 하면 빠지지 않는 해변가 이자 물이 비치색인 아름다운 곳이죠?고창 고인돌(Gochang Dolmen site):전북 고창군 아산면:아마도 이곳은 삼시세끼 방송후 더 유명한 관광지가 되지 않을까 합니다.

?용화해변(Yonghwa Beach):강원도 삼척시 근덕면 용화해변길:대한민국에 이런 해변과 이런 에머럴드 빛 바다가 존재 한다는 사실!2009년  하늘소 블로그 소개 이후 대박난 핫 플레이스 이기도 합니다.

한국의 나폴리 같은 곳(링크참조)http://hanulsoblog.com/50058495628??? ???? ?? - ?? & ?? ???? ??? ???CANON EOS50D TOKINA 12-24 ?? ?????? ???? ?? ??? ?? ??, ?? ??...blog.naver.com?금산 보리암(Geumsan Boriam):경남 남해군 상주면 상주리:신라 638년 원효대사가 창건 했다고 전해지는 국내 3대 관음성지?사릉(Sareung):경기도 남양주시 진건읍 사릉리-조선 제6대왕 단종비 정순왕후 송씨의 능으로 우거진 소나무가 인상적 입니다?남한산성(Namhansanseong Fortress):경기도 광주시 중부면 산성리-신라 문무왕때 쌓은 주장성의 옛터를 활용 1624년에 축성?창녕 교동고분군(Gobungun,Changyeong):경주에도 고분군은 많은데 CNN은 가야시대 고분군을 선택 했네요?경복궁 근정전:서울 종로구 세종로 1-1:서울이 빠지면 섭섭하죠^^경복궁의 중심이 되는 정전이자 조선왕실을 대표하는 건축물?인왕산(Inwangsan);서울시 종로구 무악동 산3-1:서울 종로구와 서대문구 홍제동 경계에 있는 338.2m의 산으로 서울 야경이 인상적?창경궁(Changgyeonggung):서울시 종로구 창경궁로 185:성종 14년(1483년)에 정희왕후,소혜왕후,안순왕후를 위해 지어진 건축물?함덕(Handeok);제주도 제주시 조천읍-저멀리 한라산이 보이는 마을로 논농사 보다는 밭농사 위주 마을로 유채꽃이 아름답죠?왕궁리(Wanggungri):전북 익산시 왕궁면-마한의 도읍지 또는 후백제 견훤의 도읍설 등으로 전해지는 유적지한라산(HallaMountain):순위상 No.1를 차지한 장소는 바로 한라산 이었습니다.

높이 1,950m로 국내에서 제일 높죠 ^^이상 대표적 으로 14곳을 소개해 드렸습니다.

2015년도에 소개된 나머지 장소들도 궁금하다면 아래 링크를 참조http://edition.cnn.com/2015/04/24/travel/gallery/beautiful-south-korea/2012년도에 CNN에서 소개한 한국에서 가봐야 할 50선 http://hanulsoblog.com/50132496477........................................................................2012년도와 2015년도가 조금 다르듯이 몇 년후에는 또 조금 달라지겠죠^^개인적으로는 인제 38선 휴게소? / 강릉 한화로 해안도로 / 담양 죽녹원 / 태백 매봉산 고냉지 마을 등도 좋다고 보구요최근에는 인생샷 건지기 좋은 장소로 담양 메타프로방스와 제주 조천 스위스마을 그리고 아산 지중해 마을 등도 꼽히고 있긴 합니다.

이런 자료를 통해 국내 구석 구석 둘러 보는 것도 인생의 큰 즐거움 아닐까 합니다.

여러분이 추천하는 여행 장소는 어디 인가요?? 나는 매일 매일 생각하고, 나는 매일매일 나의 운명을 바꾸며,또한 매일 매일 나의 길을 가고 있다.

나의 인내가 나의 힘보다 더 많은 일을 할 것이다.

하늘소블로그?花香千里行 人德萬年薰http://facebook.com/HanulsoBlog하늘소 페이스북 페이지?  두 가지 방법이 있는데 파이썬 파일일 이용하는 방법, cpp 파일을 이용하는 방법이다.

cpp파일을 통해 분류를 하면 classify과정의 시간이 10배 가까이 짧은걸 확인할 수 있었다.

. 단순 언어의 문제인지 내부 함수 구현 방법의 문제인지는 모르겠다.

1. 파이썬 파일을 이용하는 방법http://blog.naver.com/dusrb2003/220395033733Ubuntu 14.04?? CUDA Toolkit(6.5 or 7.5) ? Caffe ?????https://github.com/BVLC/caffe/wiki/Ubuntu-14.04-VirtualBox-VM? ????? ??? ? ? ?...blog.naver.com위의 게시글에서 Caffe 와 CUDA를 설치하는 과정에서 마지막 설치가 잘 되었는지 확인하기 위해 해보았던 명령 중에 $> python python/classify.py --print_results examples/images/cat.jpg foo와 같은 명령이 있다.

이는 classify.py  을 이용하여 분류를 cat.jpg 파일의 분류를 진행하겠다는 의미이다.

여기서 classify.py 파일이 중요한데 argument들을 살펴보면 네트워크, mean file(npy) 등을 설정하는 부분이 존재한다.

이 부분을 현재 분류하고자 하는 환경에 맞게 바꿔 주어야 한다.

자신이 사용한 CNN 네트워크의 deploy.txt 파일을 확인하여 하고,mean file(npy) 을 만들어 classify.py 에 경로를 한다.

나머지 classify.py 의  필요 변경 사항은 위의 게시글에 자세히 설명해 두었다.

npy 파일을 만들기 귀찮다면 2번 방법으로 해보자..2. CPP 파일을 이용하는 방법caffe/examples/cpp_classification/ 을 보면 안에 classification.cpp 파일이 존재한다.

 이 파일을 그대로 사용하는 것이다.

1번 방법과 다르게 콘솔 창에 명령을 넣는 과정에서 네트워크나 mean파일과 같은 파라미터가 된다.

./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt \models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \data/ilsvrc12/imagenet_mean.binaryproto \data/ilsvrc12/synset_words.txt \examples/images/cat.jpg위의 예시를 보면 caffemodel, deploy, synset, 데이터가 들어가는 것을 알 수 있다.

여기서 보다시피 cpp 을 통한 분류는 binaryproto 타입의 mean 파일을 사용한다.

이 파일은 학습을 위한 lmdb파일 생성후 공식처럼 같이 생성하는 파일이라 반드시 존재할 것이다.

(구글넷은 필요없긴 하지만...) 암튼 이런 npy를 안만들어도 되는 점은 1번방법보다 좋은 것 같다.

만약 classification.cpp 파일을 수정했다면 반드시 make all 을 통해 재 빌드 후 명령을 수행해야 한다.

.하고한 달 전만 해도 절대절대 보지 않을거야, 라고 생각 했던 CNN을 조금 들춰봤읍니다.

..흥미 없는 주제로 영어공부를 하는 건 너무 끔찍 하쟈나요ㅠㅠ?그러던 중 발견 한 CNN Student News!!http://www.cnn.com/studentnews/CNN Student NewsCNN Student News is a ten-minute, commercial-free, daily news program designed for middle and high school classes.www.cnn.com??What is CNN Student News?CNN Student News is a ten-minute, commercial-free, daily news program designed for middle and high school classes. It is produced by the journalists at CNN. This award-winning show and its companion website are available free of charge throughout the school year.?홈페이지에서 이렇게 정의 하고 있네요..!중고등학생을 위한 뉴스프로그램이라니ㅡ 수준도 맞을 것 같고 10분밖에 안되니 지루하지도 않을 것 같고 금상첨화대본도 있고 영상도 있으니 영어공부하기에 딱 인 것 같더라구요!어제 한 번 보고 듣고 쓰고 했는데, 어려운 단어도 별로 없고 뉴스다보니 발음도 또박또박 하고 개이득!!! 물론 그럼에도 불구하고 안 들려서 잘 못 받아 적은 부분, 몰랐던 단어도 있었지마안한가지 주제로 3분 정도 이야기 하니까, 모르는 단어가 몇 개 있어도 내용은 다 이해가 되더라구요!그게 어디야라며 만족하는 중ㅎㅎㅎㅎ사실 애플 기사 하나에 3분 30초 정도를 말하는데, 받아 쓰는데는 20분은 더 걸린 듯꾸준히 할 수 있을까가 의문이긴 하지만 안하는 것 보단 몇 일이라도 하는 게 낫겟지라며 위로 중ㅎㅎㅎㅎ?? 하늘이 약간 어둑어둑하고 구름구름한 모양이 비오려나봄안그래도 친구네 지역은 이미 비가 조금씩 오고 있다고함같은 서울이어도 요즘은 지역따라 날씨가 넘나 다른것ㅡㅡ저 예전에 강남서 놀다 집에 갔더니 분명히 강남은 비 한 방울도 안왔는데 집근처는 폭우여서 홀랑 젖은 적도 있고버스타고 영등포 가는데 여의도 근처만 개폭우가 와르르 쏟아지고 다음다음 정거장은 개쨍쨍하고 그런 적 있음. 아무튼 요즘 진짜 종잡을 수 없는 날씨 ㅜㅜ하지만 기상청은 이미 기능을 상실한지 오래...그렇다고 날씨 정보를 1도 모르는 건 넘나 답답한 것그래서 나는 천조국의 정보력에 기대기로 했다.

 우선 네이버에서 cnn을 검색한다.

 북마크해도 괜차늠맨 위의 cnn주소로 들어가면 메인화면이 뜬다.

 여기서 화면을 아래로 쭈우우우우욱 스크롤그러면 저기 런던 날씨 표시된 곳이 보일건데 저 영역을 클릭그러면 날씨 섹션으로 넘어가고 지역을 검색할 수 있음. 서울을 검색하면 이렇게 서울날씨가 나옴. 옆에 톱니아이콘이 있는 default 영역을 누르면 디폴트로 설정되니 해두면 좋음서울의 이번주 날씨. 네이버에는 내일 비 안온다고 하더니 cnn은 비온다고 하네기상청은 무엇을 하고 있는가다른 지역도 되나 싶어 부산도 쳐봤다.

Busan으로 하면 안나옴 Pusan쳐야됨마찬가지로 인천 대구도 검색해봤다.

 도시명이 최근 표기랑 좀 다르니 그건 참고되기 바람. 최근 기상청 날씨 적중율이 24프로라는 소리가 있던데..나도 쨍쨍하다는 예보보고 외출하려고 나가서 5분정도 걸으니 비오고 다시 집에가서 우산 갖고 나오면 비그치고 겪다보니 답답증이 퍽발한듯 기상이변이 원인일 수도 있지만 그렇다고 아예 모르고 있느니어케든 날씨 정보를 알아두면 좋지 않을까 싶음 그러면서 재미있게도 트립어드바이저가 가장 최근에 조사한 '세계에서 가장 인기있는 랜드마크 리스트' 에서는 에펠타워나 다른 유명한 프랑스의 랜드마크 이름을 기대하지 말라고 하면서 자유의 여신상이나 만리장성, 오페라 하우스등도 리스트에 없을것이라고 했다.

트립어드바이저 여행자가 선택한 목록에는 캄보디아의 앙코르와트 사원이나 바티칸 시국의 성 베드로 대성당 같은 거물급의 랜드마크가 올라와있다고 했다.

에펠타워 같은 전통유명 랜드마크가 탑10에서 제외되면서 굉장히 흥미로운 리스트라고 덧붙이기도 했다.

 CNN은 지난 12개월 동안 여행객들이 올려놓은 세계 랜드마크의 리뷰나 평점들을 컴퓨터가 각 계정에 따른 숫자와 만족도 조사로 측정한 것이라고 했다.

또한 언론은 각자가 생각하는 가장 좋은 랜드마크를 생각해본 후에 이 트립어드바이저의 리스트와 비교해보는것도 재미있을거라고 했다.

 10. 밀라노 대성당, Milan Cathedral [Milan, Italy]     - 놀라운 전경과 아름다운 건축 -?9. 링컨 기념관 반사 연못, Lincoln Memorial Reflecting Pool [Washington D.c.]    - 마틴 루터 킹 주니어의 "I Have a Dream" 연설과 역사적 사건들의 배경이 되었던 곳 - ?8. 알함브라 궁전, The Alhambra [Granada, Spain]   - 수세기동안 그라나다 시에 있는 이 성의 성벽과 아름다운 정원은 관광객들에게 큰 감동을 주었고, 13세기 중반에 마지막 이슬람 왕조인 나스리드 에미르에 의해 개조되었다.

-?7. 그리스도 부활 사원 (피의 사원, 피의 성당), Church of the Savior on Split Blood [St. Petersburg, Russia]   - 러시아에서 복잡한 성서의 인물들과 장면을 묘사한 모자이크화를 가장 많이 보유하고 있는곳, 1881년 아버지 알렉산더 2세가 살해당한 후, 알렉산더 3세가 통치할때 세워졌다.

- ?6. 코르도바 모스크 대성당, Mosque-Cathedral of Cordova [Cordoba, Spain]   - 13세기에 스페인의 기독교 군주가 도시를 정복한 후 대성당이 되었고, 유네스코 세계 문화유산이다.

-?5. 타지마할, Taj Mahal [Agra, India]   - 인도 아그라 시의 자무나 강가 남쪽에 위치해 있는 아이보리색의 대리석으로 만들어진 묘지, 1632년 무굴제국의 황제였던 샤 자한이 왕비 뭄타즈 마할을 추모하여 건축한 것이다.

-?4. 성 베드로 대성당, St. Peter's Basilica [Vatican City, Italy]   - 세계에서 두번째로 큰 성당이고, 이탈리아 르네상스 건축 중에서 가장 중요한 건물, 138피트의 지름, 400피트 높이의 돔은 미켈란젤로가 설계했다.

- ?3. 앙코르와트, Angkor Wat [Siem Reap, Cambodia]   - 훼손되고 파괴된 부분이 많지만, 고고학적 경이로움을 가지고 있는 유적지이며 최근 고고학자들은 이 사원이 도로, 주택지구, 연못, 운하와 사원등 거대한 네트워크로 통합되었었음을 알아냈다고 한다.

?2. 그랜드 모스크, Sheikh Zayed Grand Mosque Center [Abu Dhabi]   - 41.000명의 신도들을 수용할 수 있는 세계에서 가장 큰 사원이며 완공되기까지 11년이 걸렸다고 한다.

-1. 마추픽추, Machu Picchu [Peru]   - 매년 백만명이 넘는 관광객들이 방문하는 페루의 15세기 잉카 요새 -    지능적 훈련 데이터 생성Machine Learning [13] : Overfitting에 대한 해결책 - 3. DropoutMachine Learning [14] : Neural Network - 학습 속도 저하 현상의 원인Machine Learning [15] : Neural Network - 학습 속도 저하 문제와 “Cross-Entropy Cost Function”Machine Learning [16] : Neural Network의 Activation Function - SoftMaxMachine Learning [17] : Neural Network의 HyperparametersMachine Learning [18] : Neural Network의 Hyperparameters OptimizationMachine Learning [19] : CNN(Convolutional Neural Network) 개요Machine Learning [20] : Why CNN(Convolutional Neural Network)?Machine Learning [21] : CNN(Convolutional Neural Network)의 구조Machine Learning [22] : CNN(Convolutional Neural Network) - Convolution Layer(Part1)Machine Learning [23] : CNN(Convolutional Neural Network) ? Convolutional Layer(Part 2)Machine Learning [24] : Best CNN(Convolutional Neural Network) ArchitectureMachine Learning [25] : Best CNN(Convolutional Neural Network) Architecture - LeNet5Machine Learning [26] : Best CNN(Convolutional Neural Network) Architecture - AlexNet(Part1)Machine Learning [27] : Best CNN(Convolutional Neural Network) Architecture - AlexNet(Part2)Machine Learning [28] : Best CNN(Convolutional Neural Network) Architecture - AlexNet(Part3)Machine Learning [29] : Best CNN(Convolutional Neural Network) Architecture - ZFNet(Part1)Machine Learning [30] : Best CNN(Convolutional Neural Network) Architecture - ZFNet(Part2)Machine Learning [31] : Best CNN(Convolutional Neural Network) Architecture - ZFNet(Part3)Machine Learning [32] : Best CNN(Convolutional Neural Network) Architecture - GoogLeNet(Part1)Machine Learning [33] : Best CNN(Convolutional Neural Network) Architecture - GoogLeNet(Part2)Machine Learning [34] : Best CNN(Convolutional Neural Network) Architecture - GoogLeNet(Part3)Machine Learning [35] : Best CNN(Convolutional Neural Network) Architecture - GoogLeNet(Part4)Machine Learning [36] : Best CNN(Convolutional Neural Network) Architecture - GoogLeNet(Part5)Machine Learning [37] : Break Time - 머신 러닝 소개Machine Learning [38] : Best CNN(Convolutional Neural Network) Architecture - GoogLeNet(Part6)Machine Learning [39] : Break Time - 머신 러닝 소개 - Part IIMachine Learning [40] : Best CNN(Convolutional Neural Network) Architecture - VGGNet(Part1)Machine Learning [41] : Best CNN(Convolutional Neural Network) Architecture - VGGNet(Part2)Machine Learning [42] : Best CNN(Convolutional Neural Network) Architecture - OverFeatMachine Learning [43] : Best CNN(Convolutional Neural Network) Architecture - ResNet(Part1)Machine Learning [44] : Best CNN(Convolutional Neural Network) Architecture - ResNet(Part2)Machine Learning [45] : Best CNN(Convolutional Neural Network) Architecture - ResNet(Part3)Machine Learning [46] : Best CNN(Convolutional Neural Network) Architecture - ResNet/Fast R-CNN(Part4)Machine Learning [47] : Best CNN(Convolutional Neural Network) Architecture - ResNet/Faster R-CNN(Part5)Machine Learning [48] : Best CNN(Convolutional Neural Network) Architecture - ResNet(Part6)Machine Learning [49] : Best CNN(Convolutional Neural Network) Architecture - ResNet(Part7)Machine Learning [50] : Best CNN(Convolutional Neural Network) Architecture - ResNet(Part8)       머신 러닝(Machine learning)   < 21th Class >CNN(Convolutional Neural Network) ? “CNN의 구조”   ?Class19와 Class20을 통해기존 multi-layered neural network의 문제점과 CNN의 기본 개념에 대해서 살펴보았다.

[CNN] 궁금증 해소


Multi-Layered Neural Network에서 기존 필기체 인식과 같은 인식 알고리즘을 수행 할 때,2차원 영상이 갖는 공간적인 특징을 무시한 채 fully connected network를 사용한다면free parameter의 개수가 엄청나게 많아지고, 그것으로 인한 overfitting의 문제때문에 원하는 학습 결과를 얻을 가능성이 희박해지는 문제점이 있었는데,CNN을 사용하면, 이런 문제를 효과적으로 극복할 수 있다.

이번 class에서는 CNN의 기본 구조에 대해서 살펴볼 예정이다.

    CNN의 구조CNN의 과정은 아래 그림과 같이 나타낼 수 있다.

CNN의 과정은 크게 보면 다음과 같은 3단계 과정으로 이루어 진다.

1.     특징을 추출하기 위한 단계 2.     topology 변화에 영향을 받지 않도록 해주는 단계 3.     분류기 단계    CNN 처리 과정은 단순하게 분류기로 구성이 된 것이 아니라 특징을 추출하기 단계가 내부에 포함이 되어 있기 때문에, raw image에 대해 직접 operation이 가능하며, 기존 알고리즘과 달리 별도의 전처리(pre-processing) 단계를 필요로 하지 않는다.

?특징 추출과 topology invariance를 얻기 위해 filter와 sub-sampling을 거치며, 보통 이 과정을 여러 번을 반복적으로 수행하여 local feature로부터 global feature를 얻어낸다.

분류기 단계는 학습을 통해 다양한 경우에 대응할 수 있도록 해주는 것이 목표이며, 기존 신경망과 동일한 구조를 갖는다.

 Class20에서 살펴본 것처럼,  대부분의 영상 인식 알고리즘에서는 특징을 추출하기 위해 filter를 사용한다.

보통 필터는 5x5 혹은 3x3과 같은 작은 영역(receptive field)에 대해 적용을 하며, 필터에 사용에는 계수들의 값에 따라 각각 다른 특징을 얻을 수가 있다.

?일반적으로 이 filter의 계수들은 특정 목적에 따라 고정이 되지만, CNN에서 사용하는 filter 혹은 convolutional layer는 학습을 통해 최적의 계수를 결정할 수 있게 하는 점이 다르다.

 통상적인 sub-sampling은 보통 고정된 위치에 있는 픽셀을 고르거나, 혹은 sub-sampling 윈도우 안에 있는 픽셀들의 평균을 취한다.

?가령 아래 그림과 같이 픽셀이 구성이 된다면, P1

P4 중 1개를 매번 지정된 위치에서 고르거나, (P1 + P2 + P3 + P4)/4를 통해 평균을 취한다.

하지만, CNN에서의 sub-sampling은 신경 세포와 유사한 방식의 sub-sampling 방식을 취한다.

?신경세포학적으로 살펴보면 통상적으로 강한 신호만 전달하고 나머지는 무시하는데, 이와 비슷하게 CNN에서는 max-pooling 방식의 sub-sampling 과정을 거친다.

개념만 간단하게 설명하자면, P1

P4 중 가장 큰 자극만 선택하는 것이다.

 아래의 예에서 max-pooling을 선택하게 되면, 전체 sub-sampling 윈도우에서 가장 큰 값만 선택하기 때문에 오른쪽-위쪽에 있는 값처럼 결과가 나오고,average-pooling을 선택하면 각 window의 평균을 취하기 때문에 오른쪽-아래쪽에 있는 결과가 나온다.

  ?이동이나 변형 등에 무관한 학습 결과를 보이려면,좀 더 강하고 global한 특징을 추출해야 하는데,이를 위해 통상적으로 (convolution + sub-sampling) 과정을 여러 번을 거치게 되면,좀 더 전체 이미지를 대표할 수 있는 global한 특징을 얻을 수 있게 된다.

?이렇게 얻어진 특징을 fully-connected network을 통해 학습을 시키게 되면,2차원 영상 정보로부터 receptive field와 강한 신호 선택의 특성을 살려,topology 변화에 강인한 인식 능력을 갖게 된다.

?위 그림은 CNN의 구조를 설명하는 대표적인 그림 중 하나이며,지금까지 설명한 것들을 종합하여보면, 영상으로부터 convolution(즉, filter)을 통해, feature map을 만들다.

여러 개의 다른 특징을 추출하고 싶다면,다른 특징을 추출할 수 있도록 convolution kernel의 계수를 설정하면 된다.

다음 과정은 sub-sampling 과정이며,sub-sampling은 통상적 feature map의 크기를 줄여주면서,이를 통해 topology invariance도 얻을 수가 있게 된다.

[CNN] 해결책이 있는지



보통 1개의 feature map에 대해 1개의 sub-sampling 연산을 수행한다.

이렇게 해서 local feature를 얻었다면,그 local feature에 대해 다시 convolution과 sub-sampling을 수행하며,이 과정을 통해 좀 더 global feature를 얻을 수 있게 된다.

여러 단의 (convolution + sub-sampling) 과정을 거치면,feature map의 크기가 작아지면서 전체를 대표할 수 있는 강인한 특징들만 남게 된다.

이렇게 얻어진 global한 특징은 fully connected network의 으로 연결이 되며,앞 서 살펴본 신경망의 특징처럼 학습을 통해 최적의 인식 결과를 낼 수 있게 된다.

?정리하면 CNN은 여러 개의 layer로 구성이 되며,그 주요 layer는 convolution layer, sub-sampling(pooling) layer, fully-connected layer이다.

  CNN의 구조가 단순한 fully connected network에 비해 복잡해 보이지만,그 본질은 거의 유사하며, 신경망 학습에 사용했던 방법을 거의 비슷하게 적용할 수가 있다.

  이번 class에서는 CNN에 대한 기본적인 구조에 대하여 알아보았다.

다음 class부터 CNN의 세부 layer에 대해 상세히 살펴 볼 예정이다.

   [Keyword]뉴럴 네트워크, Neural Network, 머신 러닝, 기계 학습, Machine Learning, Convolutional Neural Network, Hyperparameters, SoftMax, Activation Function, 활성 함수, Cross-Entropy Cost Function, Dropout, 지능형 학습, Regularization, Overfitting, Backpropagation, 역전파, Sigmoid, cost function, gradient-descent, , 지도 학습, supervised learning, 강화 학습, reinforcement learning,자율 학습, unsupervised learning[Keyword]뉴럴 네트워크, Neural Network, 머신 러닝, 기계 학습, Machine Learning, Convolutional layer, Convolutional Neural Network, Hyperparameters, SoftMax, Activation Function, 활성 함수, Cross-Entropy Cost Function, Dropout, 지능형 학습, Regularization, Overfitting, Backpropagation, 역전파, Sigmoid, cost function, gradient-descent, , 지도 학습, supervised learning, 강화 학습, reinforcement learning,자율 학습, unsupervised learning   라 온 피 플 Product Information    

    어려운 단어나 표현은 많이 없지만매끄럽게 해석해보기는 쉽지 않네요.많이 해 보다 보면better and better?점점 나아질 거예요! Hopely ^^CNN 동영상 뉴스 영어학습http://cnn.ybmsisa.com/TodaysClip.asp?idx=2557CNN ??? ?? ????cnn.ybmsisa.comL/C에서 내용 물어보는 문제 풀고Dictation(빈칸 채우기식)도 있고 Speaking은 녹음해보기잘 하는 분들은 모르겠는데기사 하나도 꼼꼼히 보려면시간이 좀 걸리겠는데요흐흐;;목표는 일주일에 한 번이라도 들어가 보기예요.30

2015.05.09 (9박 10일)컨셉:친구와 떠나는 여행  TIP 26회 100주년 올림픽 게임 애틀랜타 올림픽  그리고 애틀랜타의 나름 상징인 CNN  그리스 아테네를 꺾고26회 올림픽 개최에 성공한 애틀랜타근데 망한 올림픽 중에 하나죠 뭐사마란치가 폐막식때'The best Olympic ever"이라고 안 한유일한 올림픽이랬나 어쨌나그나저나 요새 평창도 불안불안함공원은 나름 잘 나왔고애틀랜타 경관이 생각보다나쁘지는 않았어요일단 날이 좋으니 뭐애틀랜타 올림픽하면어떤 거 떠오르세요?김경욱 선수가 그 렌즈 뚫어버린 거랑방수현 배드민턴 금메달 딴거여홍철 은메달 딴거요 정도?이제 CNN 센터로 고고씽근처에 애틀랜타 호크스의 스타디움인필립스 아레나도 보여주시고아 참고로 여기 두 건물뭐 연결 되어 있어요.CNN 건물웬만한 뉴스는 다브레이킹 뉴스로 만들어주시는CNNCN 네트워크가CNN 계열인지는또 여기와서 알게 된생각했던 것보다멋졌음'근데 내가 CNN을 안 봐서스튜디오 투어 해봤자잘 모를 것 같아서 -_-그래도 미국 방송 중에보도 방송으로 젤 유명한 건얘니까CN하고 CNN하고의 관계를이제서야 눈치챈 ㅋㅋ웬 차가 한대 또...뭐 다 나름 의미가 있겠죠?서울 보여서또 이럴 때 불타오르는 애국심1층에 이렇게다림질 방?이런게 있음급 휘딱 보고필립스 아레나로 건너 옴알고보면 여기 구단주가CNN 테드 터너니깐 ㅋㅋ연결 되어야 하나? ㅋㅋㅋ내부는 구경 불가했음아니 생각보다 올릴 사진이 별로 없네요다음은 코카콜라 뮤지움!감사합니다.

 두 가지 방법이 있는데 파이썬 파일일 이용하는 방법, cpp 파일을 이용하는 방법이다.

cpp파일을 통해 분류를 하면 classify과정의 시간이 10배 가까이 짧은걸 확인할 수 있었다.

. 단순 언어의 문제인지 내부 함수 구현 방법의 문제인지는 모르겠다.

1. 파이썬 파일을 이용하는 방법http://blog.naver.com/dusrb2003/220395033733Ubuntu 14.04?? CUDA Toolkit(6.5 or 7.5) ? Caffe ?????https://github.com/BVLC/caffe/wiki/Ubuntu-14.04-VirtualBox-VM? ????? ??? ? ? ?...blog.naver.com위의 게시글에서 Caffe 와 CUDA를 설치하는 과정에서 마지막 설치가 잘 되었는지 확인하기 위해 해보았던 명령 중에 $> python python/classify.py --print_results examples/images/cat.jpg foo와 같은 명령이 있다.

이는 classify.py  을 이용하여 분류를 cat.jpg 파일의 분류를 진행하겠다는 의미이다.

여기서 classify.py 파일이 중요한데 argument들을 살펴보면 네트워크, mean file(npy) 등을 설정하는 부분이 존재한다.

이 부분을 현재 분류하고자 하는 환경에 맞게 바꿔 주어야 한다.

자신이 사용한 CNN 네트워크의 deploy.txt 파일을 확인하여 하고,mean file(npy) 을 만들어 classify.py 에 경로를 한다.

나머지 classify.py 의  필요 변경 사항은 위의 게시글에 자세히 설명해 두었다.

npy 파일을 만들기 귀찮다면 2번 방법으로 해보자..2. CPP 파일을 이용하는 방법caffe/examples/cpp_classification/ 을 보면 안에 classification.cpp 파일이 존재한다.

 이 파일을 그대로 사용하는 것이다.

1번 방법과 다르게 콘솔 창에 명령을 넣는 과정에서 네트워크나 mean파일과 같은 파라미터가 된다.

./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt \models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \data/ilsvrc12/imagenet_mean.binaryproto \data/ilsvrc12/synset_words.txt \examples/images/cat.jpg위의 예시를 보면 caffemodel, deploy, synset, 데이터가 들어가는 것을 알 수 있다.

여기서 보다시피 cpp 을 통한 분류는 binaryproto 타입의 mean 파일을 사용한다.

이 파일은 학습을 위한 lmdb파일 생성후 공식처럼 같이 생성하는 파일이라 반드시 존재할 것이다.

(구글넷은 필요없긴 하지만...) 암튼 이런 npy를 안만들어도 되는 점은 1번방법보다 좋은 것 같다.

만약 classification.cpp 파일을 수정했다면 반드시 make all 을 통해 재 빌드 후 명령을 수행해야 한다.

CNN USA (미국내 뉴스 위주로 방송)(미국내 방송용)http://www.livenewschat.eu/top/  2. CNN International (국제 뉴스 위주로 방송)(한국의 위성/케이블방송용)http://www.livenewschat.eu/international/3. 해당 웹주소의 사정에 따라 방송이 중단되거나 매끄럽지 않을 때도 있습니다.

두 가지 방법이 있는데 파이썬 파일일 이용하는 방법, cpp 파일을 이용하는 방법이다.

cpp파일을 통해 분류를 하면 classify과정의 시간이 10배 가까이 짧은걸 확인할 수 있었다.

. 단순 언어의 문제인지 내부 함수 구현 방법의 문제인지는 모르겠다.

1. 파이썬 파일을 이용하는 방법http://blog.naver.com/dusrb2003/220395033733Ubuntu 14.04?? CUDA Toolkit(6.5 or 7.5) ? Caffe ?????https://github.com/BVLC/caffe/wiki/Ubuntu-14.04-VirtualBox-VM? ????? ??? ? ? ?...blog.naver.com위의 게시글에서 Caffe 와 CUDA를 설치하는 과정에서 마지막 설치가 잘 되었는지 확인하기 위해 해보았던 명령 중에 $> python python/classify.py --print_results examples/images/cat.jpg foo와 같은 명령이 있다.

이는 classify.py  을 이용하여 분류를 cat.jpg 파일의 분류를 진행하겠다는 의미이다.

여기서 classify.py 파일이 중요한데 argument들을 살펴보면 네트워크, mean file(npy) 등을 설정하는 부분이 존재한다.

이 부분을 현재 분류하고자 하는 환경에 맞게 바꿔 주어야 한다.

자신이 사용한 CNN 네트워크의 deploy.txt 파일을 확인하여 하고,mean file(npy) 을 만들어 classify.py 에 경로를 한다.

나머지 classify.py 의  필요 변경 사항은 위의 게시글에 자세히 설명해 두었다.

npy 파일을 만들기 귀찮다면 2번 방법으로 해보자..2. CPP 파일을 이용하는 방법caffe/examples/cpp_classification/ 을 보면 안에 classification.cpp 파일이 존재한다.

 이 파일을 그대로 사용하는 것이다.

1번 방법과 다르게 콘솔 창에 명령을 넣는 과정에서 네트워크나 mean파일과 같은 파라미터가 된다.

./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt \models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \data/ilsvrc12/imagenet_mean.binaryproto \data/ilsvrc12/synset_words.txt \examples/images/cat.jpg위의 예시를 보면 caffemodel, deploy, synset, 데이터가 들어가는 것을 알 수 있다.

여기서 보다시피 cpp 을 통한 분류는 binaryproto 타입의 mean 파일을 사용한다.

이 파일은 학습을 위한 lmdb파일 생성후 공식처럼 같이 생성하는 파일이라 반드시 존재할 것이다.

(구글넷은 필요없긴 하지만...) 암튼 이런 npy를 안만들어도 되는 점은 1번방법보다 좋은 것 같다.

만약 classification.cpp 파일을 수정했다면 반드시 make all 을 통해 재 빌드 후 명령을 수행해야 한다.

어려운 단어나 표현은 많이 없지만매끄럽게 해석해보기는 쉽지 않네요.많이 해 보다 보면better and better?점점 나아질 거예요! Hopely ^^CNN 동영상 뉴스 영어학습http://cnn.ybmsisa.com/TodaysClip.asp?idx=2557CNN ??? ?? ????cnn.ybmsisa.comL/C에서 내용 물어보는 문제 풀고Dictation(빈칸 채우기식)도 있고 Speaking은 녹음해보기잘 하는 분들은 모르겠는데기사 하나도 꼼꼼히 보려면시간이 좀 걸리겠는데요흐흐;;목표는 일주일에 한 번이라도 들어가 보기예요. 그러면서 재미있게도 트립어드바이저가 가장 최근에 조사한 '세계에서 가장 인기있는 랜드마크 리스트' 에서는 에펠타워나 다른 유명한 프랑스의 랜드마크 이름을 기대하지 말라고 하면서 자유의 여신상이나 만리장성, 오페라 하우스등도 리스트에 없을것이라고 했다.

트립어드바이저 여행자가 선택한 목록에는 캄보디아의 앙코르와트 사원이나 바티칸 시국의 성 베드로 대성당 같은 거물급의 랜드마크가 올라와있다고 했다.

에펠타워 같은 전통유명 랜드마크가 탑10에서 제외되면서 굉장히 흥미로운 리스트라고 덧붙이기도 했다.

 CNN은 지난 12개월 동안 여행객들이 올려놓은 세계 랜드마크의 리뷰나 평점들을 컴퓨터가 각 계정에 따른 숫자와 만족도 조사로 측정한 것이라고 했다.

또한 언론은 각자가 생각하는 가장 좋은 랜드마크를 생각해본 후에 이 트립어드바이저의 리스트와 비교해보는것도 재미있을거라고 했다.

 10. 밀라노 대성당, Milan Cathedral [Milan, Italy]     - 놀라운 전경과 아름다운 건축 -?9. 링컨 기념관 반사 연못, Lincoln Memorial Reflecting Pool [Washington D.c.]    - 마틴 루터 킹 주니어의 "I Have a Dream" 연설과 역사적 사건들의 배경이 되었던 곳 - ?8. 알함브라 궁전, The Alhambra [Granada, Spain]   - 수세기동안 그라나다 시에 있는 이 성의 성벽과 아름다운 정원은 관광객들에게 큰 감동을 주었고, 13세기 중반에 마지막 이슬람 왕조인 나스리드 에미르에 의해 개조되었다.

-?7. 그리스도 부활 사원 (피의 사원, 피의 성당), Church of the Savior on Split Blood [St. Petersburg, Russia]   - 러시아에서 복잡한 성서의 인물들과 장면을 묘사한 모자이크화를 가장 많이 보유하고 있는곳, 1881년 아버지 알렉산더 2세가 살해당한 후, 알렉산더 3세가 통치할때 세워졌다.

- ?6. 코르도바 모스크 대성당, Mosque-Cathedral of Cordova [Cordoba, Spain]   - 13세기에 스페인의 기독교 군주가 도시를 정복한 후 대성당이 되었고, 유네스코 세계 문화유산이다.

-?5. 타지마할, Taj Mahal [Agra, India]   - 인도 아그라 시의 자무나 강가 남쪽에 위치해 있는 아이보리색의 대리석으로 만들어진 묘지, 1632년 무굴제국의 황제였던 샤 자한이 왕비 뭄타즈 마할을 추모하여 건축한 것이다.

-?4. 성 베드로 대성당, St. Peter's Basilica [Vatican City, Italy]   - 세계에서 두번째로 큰 성당이고, 이탈리아 르네상스 건축 중에서 가장 중요한 건물, 138피트의 지름, 400피트 높이의 돔은 미켈란젤로가 설계했다.

- ?3. 앙코르와트, Angkor Wat [Siem Reap, Cambodia]   - 훼손되고 파괴된 부분이 많지만, 고고학적 경이로움을 가지고 있는 유적지이며 최근 고고학자들은 이 사원이 도로, 주택지구, 연못, 운하와 사원등 거대한 네트워크로 통합되었었음을 알아냈다고 한다.

?2. 그랜드 모스크, Sheikh Zayed Grand Mosque Center [Abu Dhabi]   - 41.000명의 신도들을 수용할 수 있는 세계에서 가장 큰 사원이며 완공되기까지 11년이 걸렸다고 한다.

-1. 마추픽추, Machu Picchu [Peru]   - 매년 백만명이 넘는 관광객들이 방문하는 페루의 15세기 잉카 요새 -   .하고한 달 전만 해도 절대절대 보지 않을거야, 라고 생각 했던 CNN을 조금 들춰봤읍니다.

..흥미 없는 주제로 영어공부를 하는 건 너무 끔찍 하쟈나요ㅠㅠ?그러던 중 발견 한 CNN Student News!!http://www.cnn.com/studentnews/CNN Student NewsCNN Student News is a ten-minute, commercial-free, daily news program designed for middle and high school classes.www.cnn.com??What is CNN Student News?CNN Student News is a ten-minute, commercial-free, daily news program designed for middle and high school classes. It is produced by the journalists at CNN. This award-winning show and its companion website are available free of charge throughout the school year.?홈페이지에서 이렇게 정의 하고 있네요..!중고등학생을 위한 뉴스프로그램이라니ㅡ 수준도 맞을 것 같고 10분밖에 안되니 지루하지도 않을 것 같고 금상첨화대본도 있고 영상도 있으니 영어공부하기에 딱 인 것 같더라구요!어제 한 번 보고 듣고 쓰고 했는데, 어려운 단어도 별로 없고 뉴스다보니 발음도 또박또박 하고 개이득!!! 물론 그럼에도 불구하고 안 들려서 잘 못 받아 적은 부분, 몰랐던 단어도 있었지마안한가지 주제로 3분 정도 이야기 하니까, 모르는 단어가 몇 개 있어도 내용은 다 이해가 되더라구요!그게 어디야라며 만족하는 중ㅎㅎㅎㅎ사실 애플 기사 하나에 3분 30초 정도를 말하는데, 받아 쓰는데는 20분은 더 걸린 듯꾸준히 할 수 있을까가 의문이긴 하지만 안하는 것 보단 몇 일이라도 하는 게 낫겟지라며 위로 중ㅎㅎㅎㅎ??  그러나 아직 CNN뉴스를 접하기에 부담스러운 분들을 위해 CNN에서 제공하는 Special educational source가 있는데요 그것은 바로!! CNN Student News!! 가 되겠습니다.

 이 CNN Student News는 미국 중, 고등학생을 위해 만들어진 영상자료로서 기본 뉴스보다는 상대적으로 쉽지만 영어공부를 이제 막 시작하신 한국 분들이 접하기에는 어려울 수가 있습니다.

 하지만 여기에 나오는 케스터들이 말을 또박또박, 정확하게 말하고 어려운 단어나 숙어는 최대한 배제하기 때문에 영어실력이 어느 정도 되고 영자신문이나 영어뉴스를 들으면서 공부하고 싶은 분들에게는 정말 좋은 자료가 아닐까 생각됩니다.

 http://edition.cnn.com/studentnews/ 클릭    메인 화면입니다.

매일 하루에 하나씩 비디오와 스크립트를 제공합니다(토요일과 일요일은 제외)    비디오는 10분 내외로 구성되어 있으며 중간중간에 퀴즈도 포함되어 있습니다.

    그리고 동영상 우측 하단에 있는 ‘cc’를 클릭해 English를 선택하면 실시간 자막을 볼 수 있습니다.

    이렇게 동영상에 대한 Full Script도 제공해 주기 때문에 편리하게 리스닝 공부를 할 수 있습니다.

  CNN뉴스와 함께 영어공부 열심히 하세요!!?30

2015.05.09 (9박 10일)컨셉:친구와 떠나는 여행  TIP 26회 100주년 올림픽 게임 애틀랜타 올림픽  그리고 애틀랜타의 나름 상징인 CNN  그리스 아테네를 꺾고26회 올림픽 개최에 성공한 애틀랜타근데 망한 올림픽 중에 하나죠 뭐사마란치가 폐막식때'The best Olympic ever"이라고 안 한유일한 올림픽이랬나 어쨌나그나저나 요새 평창도 불안불안함공원은 나름 잘 나왔고애틀랜타 경관이 생각보다나쁘지는 않았어요일단 날이 좋으니 뭐애틀랜타 올림픽하면어떤 거 떠오르세요?김경욱 선수가 그 렌즈 뚫어버린 거랑방수현 배드민턴 금메달 딴거여홍철 은메달 딴거요 정도?이제 CNN 센터로 고고씽근처에 애틀랜타 호크스의 스타디움인필립스 아레나도 보여주시고아 참고로 여기 두 건물뭐 연결 되어 있어요.CNN 건물웬만한 뉴스는 다브레이킹 뉴스로 만들어주시는CNNCN 네트워크가CNN 계열인지는또 여기와서 알게 된생각했던 것보다멋졌음'근데 내가 CNN을 안 봐서스튜디오 투어 해봤자잘 모를 것 같아서 -_-그래도 미국 방송 중에보도 방송으로 젤 유명한 건얘니까CN하고 CNN하고의 관계를이제서야 눈치챈 ㅋㅋ웬 차가 한대 또...뭐 다 나름 의미가 있겠죠?서울 보여서또 이럴 때 불타오르는 애국심1층에 이렇게다림질 방?이런게 있음급 휘딱 보고필립스 아레나로 건너 옴알고보면 여기 구단주가CNN 테드 터너니깐 ㅋㅋ연결 되어야 하나? ㅋㅋㅋ내부는 구경 불가했음아니 생각보다 올릴 사진이 별로 없네요다음은 코카콜라 뮤지움!감사합니다.

 

'사랑하는 사람들의 세상사 이야기' 카테고리의 다른 글

[김빛내리 교수] 짱입니다.  (0) 2016.09.27
[김영우] 알아보자  (0) 2016.09.27
[CNN] 사실은.  (0) 2016.09.27
[박슬기] 짱입니다.  (0) 2016.09.27
[김빛내리] 보면 볼수록..  (0) 2016.09.27
[김영우 의원] 란 무엇인가?  (0) 2016.09.27
공유하기 링크
TAG
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
댓글
댓글쓰기 폼