MXNet을 활용한 신경망 학습

Chapter 1. 파이썬 배우기 / 11
Chapter 2. 파이썬으로 풀어보는 수학 / 22
Chapter 3. 신경망의 이해 / 42
Chapter 4. 신경망의 이해 Ⅱ / 58
Chapter 5. MXNet 소개 및 설치하기 / 74
Chapter 6. MXNet를 이용한 CNN / 120
Chapter 7. MXNet를 이용한 RNN / 129
Chapter 8. MXNet를 이용한 컴퓨터 비전 / 150
Chapter 9. TDA (Topology Data Analysis) / 174

참고사항 - H/W Spec의 문제 / 197
참고문헌 / 199

Chapter 1 파이썬 배우기

파이썬 설치하기

파이썬을 설치하기 위해서는 먼저, 파이썬의 공식 사이트(httpss://www.python.org/)에 접속한 후에, 사용 중인 시스템의 운영체제에 맞는 파이썬 버전을 다운로드 및 설치를 진행한다. 여기서는 윈도우 운영체제의 python 3.6.5 버전을 선택한다. 참고로, 파이썬 패키지 453개 정도를 포함하고 있는 아나콘다 배포판을 통하여 파이썬을 설치할 수도 있다.
(httpss://repo.continuum.io/archive/)

설치가 완료되면 윈도우의 시작 메뉴에서 Python 메뉴를 볼 수 있으며, 메뉴 중에서 IDLE (Python 3.6 64-bit)를 선택한다.

그러면, 다음의 그림과 같이 Python 3.6.5 Shell이 나타나게 되며, Python의 설치가 완료된 것이다.

파이썬 쉘을 이용하여 다음과 같은 기본적인 연산을 수행하여 본다.

파이썬의 matplotlib

파이썬의 matplotlib 모듈은 그래프를 만드는데 유용하게 사용된다. 윈도우의 DOS 커맨드 창에서 다음의 명령어를 입력하여 matplotlib 모듈을 설치한다.

> python -m pip install matplotlib

x 변수와 y 변수에 값들을 할당한 후에 이 값들을 matplotlib 모듈을 이용하여 그래프로 나타내고자 한다. 파이썬 쉘에서 다음과 같이 소스 코드를 입력하면 그래프로 확인이 가능하게 된다.

Source Code
import matplotlib
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
from pylab import plot, show
plot(x, y)
show()

앞부분에서 x 변수와 y 변수에 값들을 할당한 후, 이 값들을 matplotlib 모듈을 이용하여 그래프로 나타내었다. 이번에는 그래프를 이미지로 저장하고자 하며, 파이썬 쉘에서 다음과 같이 소스 코드를 입력하면 이미지가 저장된다. 이미지가 저장된 폴더에서 저장된 Figure1.png 이미지의 확인이 가능하다.

Source Code
import matplotlib
from pylab import plot, savefig
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 4, 2]
plot(x, y)
savefig('C:\Figure1.png')

파이썬의 수학 함수

파이썬 표준 라이브러리 math에서 일반 수학 함수를 사용할 수 있으며, 다음의 파이썬 코드에서 삼각함수 sin 값과 cos 값을 출력하게 된다.

Source Code
import math
math.sin(math.pi/2)
math.cos(math.pi/2)

파이썬의 Numpy 라이브러리와 파이썬의 Scipy 라이브러리

일반수학 함수 외에도 고급수학 함수를 이용하기 위한 파이썬 표준 라이브러리 Numpy와 Scipy를 윈도우즈 커맨드 창에서 아래와 같이 입력하여 설치한다.

> python -m pip install numpy
> python -m pip install scipy

파이썬 표준 라이브러리 Numpy는 수치해석, 특히 선형대수(linear algebra) 계산을 위한 패키지이다. 자료형이 고정된 다차원 배열 클래스(n-dimensional array)와 벡터화 연산(vectorized operation)을 지원하며 수학 연산을 위한 패키지이다. 또한, 파이썬 표준 라이브러리 Scipy는 고급수학 함수, 수치적 미적분, 미분방정식 계산, 최적화, 신호 처리 등을 위한 다양한 과학기술 계산 기능을 제공하는 패키지이다.
설치 완료된 파이썬 표준 라이브러리 Numpy와 Scipy를 이용하여 간단하게 동작 여부를 확인한다. 먼저, 파이썬 표준 라이브러리 Numpy의 동작 여부를 확인하기 위하여 다음의 파이썬 코드를 커맨드 파이썬 쉘과 IDE 파이썬 쉘에 입력하여 본다.

Source Code
from numpy import *
random.rand(10)
random.rand(10,1)

파이썬 표준 라이브러리 Numpy의 동작 여부를 확인하였으며, 이번에는 파이썬 표준 라이브러리 Scipy의 동작 여부를 확인하기 위하여 다음의 파이썬 코드를 입력한다.

Source Code
from scipy.fftpack import fft
import numpy as np

N = 600

T = 1.0 / 800.0
x = np.linspace(0.0, N*T, N)
y = np.sin(50.0 * 2.0*np.pi*x) + 0.5*np.sin(80.0 * 2.0*np.pi*x)
yf = fft(y)
xf = np.linspace(0.0, 1.0/(2.0*T), N/2)

import matplotlib.pyplot as plt
plt.plot(xf, 2.0/N * np.abs(yf[0:N//2]))
plt.grid()
plt.show()

Result

파이썬 표준 라이브러리 Scipy의 하위 패키지 special을 이용하여 다음의 파이썬 코드로 3D 이미지를 생성하여 본다.

Source Code

from scipy import special
import numpy as np
def drumhead_height(n, k, distance, angle, t):
kth_zero = special.jn_zeros(n, k)[-1]
return np.cos(t) * np.cos(n*angle) * special.jn(n, distance*kth_zero)
theta = np.r_[0:2*np.pi:50j]
radius = np.r_[0:1:50j]
x = np.array([r * np.cos(theta) for r in radius])
y = np.array([r * np.sin(theta) for r in radius])
z = np.array([drumhead_height(1, 1, r, theta, 0.5) for r in radius])

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
fig = plt.figure()
ax = Axes3D(fig)
ax.plot_surface(x, y, z, rstride=1, cstride=1, cmap=cm.jet)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()