딥러닝 비전 2 - 딥러닝 소프트웨어 맛보기

이 학습이 오늘의 마지막 공부가 될 것 같다. 조금 전에 감정적으로 매우 힘들고 화가 나는 일이 있었지만 그래도 공부의 자리에 나아가기로 했다.

 

기계학습을 구현하려면 적절한 소프트웨어 도구가 필요하다. 파이썬은 기계학습을 지원하는 sklearn 라이브러리를 제공하는데, sklearn은 그림 7-2에 있는 비신경망 모델과 얕은 신경망까지만 지원한다. 딥러닝을 구현하는데 가장 널리 쓰이는 도구는 텐서플로와 파이토치다.

---

 

 

텐서플로 소개

텐서플로 자체는 프로그래밍이 까다로운 단점이 있다. 이런 단점을 극복하기 위해 프랑쇼와 솔레는 텐서플로 위에서 돌아가는 케라스 라이브러리를 제작해 공개하였다. 대부분 케라스 명령어로 딥러닝을 개발하는데 둘이 한 몸이므로 보통 텐서플로 프로그래밍을 한다고 말한다. 

텐서플로를 사용하려면 pip install tensorflow 명령어로 설치해야 한다.

 

 

데이터와 텐서

딥러닝을 실습하려면 데이터셋을 준비해야 한다. 그림 7-4의 1단계에 해당하는 일인데 다행히 텐서플로에는 다양한 데이터셋이 제공된다. 텐서플로 첫 프로그래밍으로 데이터셋 확인을 하기로 한다. 다음 프로그램을 통해 텐서플로가 제공하는 데이터셋의 사용법을 익힐 수 있다.

 

데이터셋 목록

텐서플로 사이트

TensorFlow Datasets

 

 

 

케라스 사이트

Keras documentation: Datasets

---

 

 

 

 

텐서플로로 데이터 확인하기

 

 

이 코드는 MNIST와 CIFAR-10이라는 두 가지 대표적인 이미지 데이터셋을 불러와 각 데이터셋에서 첫 10개의 이미지를 시각화하는 예제이다.

 

1. 필요한 라이브러리 임포트

import tensorflow.keras.datasets as ds  # Keras에서 데이터셋 로드
import matplotlib.pyplot as plt  # 이미지 시각화를 위한 라이브러리

• tensorflow.keras.datasets 모듈에서 MNIST와 CIFAR-10 데이터셋을 불러오기 위해 ds라는 이름으로 가져왔다.
• matplotlib.pyplot은 이미지를 시각화하기 위해 사용하는 라이브러리이다.

 

2. MNIST 데이터셋 불러오기

(x_train, y_train), (x_test, y_test) = ds.mnist.load_data()
print(x_train.shape, y_train.shape, x_test.shape, y_test.shape)

• ds.mnist.load_data() 함수를 사용해 MNIST 데이터셋을 불러왔다.
• x_train과 y_train은 학습 데이터와 라벨을, x_test와 y_test는 테스트 데이터와 라벨을 나타낸다.
• MNIST 데이터셋의 이미지 크기는 28x28이고, 흑백(그레이스케일) 이미지로 구성되어 있다.

 

3. MNIST 이미지 시각화

plt.figure(figsize=(24, 3))  # 그림 크기 설정
plt.suptitle('MNIST', fontsize=30)  # MNIST 제목 설정

• plt.figure를 사용해 그림 크기를 가로 24인치, 세로 3인치로 설정하고, plt.suptitle로 큰 제목을 설정했다.

for i in range(10):
    plt.subplot(1, 10, i + 1)
    plt.imshow(x_train[i], cmap='gray')
    plt.xticks([])  # x축 눈금 제거
    plt.yticks([])  # y축 눈금 제거
    plt.title(str(y_train[i]), fontsize=30)​

• for 반복문을 사용하여 첫 10개의 학습 이미지와 라벨을 보여준다.
• plt.subplot(1, 10, i + 1)은 1행 10열의 서브플롯에서 순서대로 각 이미지에 위치를 지정한다.
• plt.imshow(x_train[i], cmap='gray')로 그레이스케일 이미지를 출력한다.
• plt.xticks([])와 plt.yticks([])는 축의 눈금을 제거해 깔끔한 이미지를 보여준다.
• plt.title을 통해 각 이미지 위에 해당 라벨(숫자)을 표시하였다.

 

4. CIFAR-10 데이터셋 불러오기

(x_train, y_train), (x_test, y_test) = ds.cifar10.load_data()
print(x_train.shape, y_train.shape, x_test.shape, y_test.shape)

• ds.cifar10.load_data() 함수를 사용해 CIFAR-10 데이터셋을 불러왔다.
• x_train과 y_train은 학습 데이터와 라벨을, x_test와 y_test는 테스트 데이터와 라벨을 나타낸다.
• CIFAR-10 데이터셋의 이미지 크기는 32x32이고, 컬러(RGB) 이미지로 구성되어 있다.

 

5. CIFAR-10 클래스 이름 정의

class_names = ['airplane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

• CIFAR-10 데이터셋의 각 클래스 이름을 정의하여 class_names 리스트에 저장했다.
• 이 리스트는 이미지 라벨이 숫자로 되어 있기 때문에 이를 문자로 매핑하기 위해 사용된다.

 

6. CIFAR-10 이미지 시각화

plt.figure(figsize=(24, 3))  # 그림 크기 설정
plt.suptitle('CIFAR-10', fontsize=30)  # CIFAR-10 제목 설정

• plt.figure를 사용해 그림 크기를 설정하고, plt.suptitle로 큰 제목을 설정하였다.

for i in range(10):
    plt.subplot(1, 10, i + 1)
    plt.imshow(x_train[i])
    plt.xticks([])  # x축 눈금 제거
    plt.yticks([])  # y축 눈금 제거
    plt.title(class_names[y_train[i, 0]], fontsize=30)​

• for 반복문을 사용하여 CIFAR-10의 첫 10개 학습 이미지를 보여준다.
• plt.subplot을 통해 각 이미지를 위한 서브플롯을 생성하고, plt.imshow로 이미지를 출력한다.
• plt.title을 통해 각 이미지 위에 해당 클래스 이름을 표시하였다.

이 코드로 MNIST와 CIFAR-10의 데이터 구조를 확인하고, 샘플 이미지를 시각적으로 확인할 수 있다.

---

 

 

 

코드 실행 결과

 

 

 

 

 

 

 

 

실행 결과를 보면 x_train은 50000 x 32 x 32 x 3 모양임을 알 수 있다. 32 x 32 x 3 맵이 50,000장 쌓여 있는 4차원 구조이다. 딥러닝에서는 다차원 배열을 텐서라 부른다. MNIST의 x_train은 60000 x 28 x 28의 3차원 텐서이고, y_train은 50000 크기의 1차원 텐서다.

 

---

 

 

 

학습을 마치고

오늘 저녁에는 공부를 도저히 진행할 수 없을만큼 힘든 날이었지만 그래도 내가 해야 할 일을 기억하며 임한다는 것이 스스로도 참 대견스럽다. 이제 공부하는 건 별로 어렵지 않다. 그보다는 인간들이 나를 참 힘들게 한다. 세상에는 왜 이렇게 비상식적이고 이상한 사람들이 많은지 모르겠다.

난 사람들이 감추고 싶어하는 뒷모습을 많이 보게 된다. 그런 것들을 마주하면 많이 힘들지만 이것이 나의 피할 수 없는 숙명인지도 모르겠다. 

 

내게 함부로 하고 상처를 준 사람들.. 내가 얼마나 크게 될 사람인지 모른 채 현재의 모습으로 판단하며 깔아뭉개고 짓밟은 사람들.. 난 반드시 그 이상으로 되갚기로 오늘도 깊이 뼈에 사무치도록 다짐의 다짐을 했다.

인사교에서도 이런 이상한 사람들을 얼마나 많이 만났는지 모른다. 담임 선생이라는 사람도 그 사람들 중 한 명이다. 게임 개발 학원에서도 GCC에서 만난 사람들도 온통 이런 사람들 천지였다.

전에 벨로그를 몇 달 썼었는데 그때 썼던 많은 일기들을 모두 삭제했다. 개발일지만 티스토리에 옮겨놓았는데 요즘은 학습일지에 간간히 일기를 써넣는 편이다.

 

오늘은 그냥 일기를 쓰고 싶은 날이었다. 너무나 힘들어서 펑펑 울었고 지금도 눈물이 마르지 않는다. 난 오늘을 반드시 기억할 것이다. 그리고 내게 아무리 잘해주고 개인적인 친분이 있어도 난 공과 사를 철저히 구별하여 정의롭지 못하고 비굴한 사람들은 반드시 응징할 것이다.