[서평]펭귄브로의 3분 딥러닝: 파이토치맛

3분 딥러닝: 파이토치맛

오늘 소개할 도서는 '펭귄브로의 3분 딥러닝: 파이토치맛'으로 두 명의 저자가 파이토리로 인공지능 구현하는 방법을 설명합니다. 인공지능을 개발할 때 많이 사용되는 프레임워크는 텐서플로우, 케라스, 파이토치 등이 있으며, 실제 연구에는 케라스 및 텐서플로우가 현재 많이 사용되고 있지만, 최근 들어 파이토치 또한 논문 및 연구 쪽에서 어렵지 않게 볼 수 있습니다. 개인적으로 추상화가 너무 잘되어 있어 디테일한 수정이 불가능했지만, 다른 프레임워크 보다 좀 더 빠르게 구현할 수 있다는 장점이 있었습니다. 

 

파이토치는 페이스북에서 만든 딥러닝 모델 오픈소스 프레임워크입니다. 이 책은 ANN, DNN, CNN, RNN, GAN 등을 파이토치를 이용해 구현해봅니다. 3분 시리즈의 특성상 수학적 공식과 같은 이론 위주의 도서보다는 코드 위주로 빠르게 구현하고 이해하는 데 집중하고 있습니다. 3장은 파이토치로 ANN인 인공신경망을 구현하고 있습니다. 딥러닝의 가장 기본인 ANN은 각 노드들이 유기적으로 연결되어 가중치를 역전파 알고리즘 등으로 조정하고 최적화합니다. 5장은 지금까지도 가장 활발히 사용되고 계속적으로 발전되고 있는지 CNN을 사용해 이미지 처리를 다룹니다. CNN은 컨볼루션 신경망으로 합성곱 신경망이라 합니다. 컨볼루션은 계층적으로 이미지를 인식하도록 단계마다 이미지의 특징을 추출하게 됩니다. 이렇게 컨볼루션을 거쳐 만들어진 이미지를 특성 맵이라고 합니다. 이후 ResNet도 소개하는데, 데이터셋이 복잡해질수록 학습량은 많아지고 좀 더 효율적인 아키텍처 필요합니다. 컨볼루션층의 출력에 전의 모든 레이어에 쓰였던 입력을 더해 과거의 특징을 함께 가져갑니다. 

 

7장의 RNN은 순차적인 데이터를 다룹니다. 흔히 보는 텍스트, 글, 음악, 시계열 데이터가 해당됩니다. 책에서는 설명도 설명이지만 코드와 함께 구현과 테스트가 따라하기 쉽게 적혀있습니다. 9장은 생산적 적대 신경망인 GAN을 소개합니다. 새로운 진짜같은 가짜 데이터를 생성하는 GAN은 아이디어부터 활용까지 정말 놀라운 딥러닝 방법입니다. 거기에다가 사용자가 원하는 레이블 정보와 함께 조건을 걸어 원하는 가짜 이미지를 생성하는 조건부 GAN도 존재합니다. 이후 현재까지도 다양한 GAN이 파생되어 연구되어 있습니다. 파이토치는 제품, 연구 등 딥러닝이 활용되는 분야에서 구현을 빠르게 할 수 있는 프로엠워크입니다. 입문자부터 시작해 학생, 전문가까지 빠르게 개념을 습득하고 싶을 때 이 책이 많은 도움이 될 것입니다. 특히, 이론보다는 실습이 좀 더 재미있고 효과가 좋은 독자에게 더욱 도움이 될 것입니다.