๐ŸŒผ

[NAME] 2024 Spring deep daiv. Multi-modal

โšก
์œ ์˜์‚ฌํ•ญ
  • ํ•ด๋‹น ์ฝœ์•„์›ƒ์€ ๋ณด์‹œ๊ณ  ์‚ญ์ œํ•ด์ฃผ์„ธ์š”
  • ํŒŒ์ผ ๊ณต์œ ๊ฐ€ ์ œ๋Œ€๋กœ ๋˜์ง€ ์•Š์„ ๊ฒฝ์šฐ ๋ณ„๋„๋กœ ์—ฐ๋ฝ๋“œ๋ฆฌ์ง€ ์•Š์œผ๋ฉฐ, ์ด๋กœ ์ธํ•ด ๋ฐœ์ƒํ•˜๋Š” ๋ถˆ์ด์ต์€ ์ฑ…์ž„์ง€์ง€ ์•Š์Šต๋‹ˆ๋‹ค. ๊ทธ๋Ÿฌ๋ฏ€๋กœ ๊ณต์œ ๊ฐ€ ์ž˜ ๋๋Š”์ง€ ๋ฐ˜๋“œ์‹œ ํ™•์ธํ•ด์ฃผ์„ธ์š”.
๊ณผ์ œ ์ œ์ถœ ๋ฐฉ๋ฒ•
์•„๋ž˜ ๋‘ ์„ค์ •์„ ๋ชจ๋‘ ์™„๋ฃŒํ•ด์ฃผ์…”์•ผ ํ•ฉ๋‹ˆ๋‹ค.
  1. ์šฐ์ธก ์ƒ๋‹จ ๊ณต์œ  - ๊ณต์œ  - Notion์˜ ๋งํฌ๊ฐ€ ์žˆ๋Š” ๋ชจ๋‘๋กœ ๊ณต์œ  ๋Œ€์ƒ ๋ณ€๊ฒฝ
  1. ์šฐ์ธก ์ƒ๋‹จ ๊ณต์œ  - ๊ฒŒ์‹œ - ์›น์— ๊ฒŒ์‹œ ํด๋ฆญ ํ›„ ํ…œํ”Œ๋ฆฟ ๋ณต์ œ ํ—ˆ์šฉ
๊ธฐ์กด ์ˆ˜๋ฃŒ ํŒ€์›์˜ ๊ฒฝ์šฐ, ๊ณผ์ œ๋ฅผ ์ž‘์„ฑํ•œ ํ›„ ๋…ธ์…˜ ๋งํฌ๋ฅผ ์Šฌ๋ž™ DM(์กฐ์œ ๋ฆผ)์œผ๋กœ
์‹ ๊ทœ ํŒ€์›์˜ ๊ฒฝ์šฐ, ๋…ธ์…˜ ๋งํฌ๋ฅผ ๊ตฌ๊ธ€ํผ์— ์ฒจ๋ถ€ํ•ด์ฃผ์‹œ๊ธฐ ๋ฐ”๋ž๋‹ˆ๋‹ค.

๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ตฌํ˜„ ์ฝ”๋“œ

โญ
์•„๋ž˜ ์ฝ”๋“œ ์Šค๋‹ˆํŽซ์— ์ฝ”๋“œ๋ฅผ ์ž‘์„ฑ(์ฒจ๋ถ€)ํ•˜์‹œ๊ฑฐ๋‚˜, ํ˜น์€ ํŒŒ์ผ์„ ์—…๋กœ๋“œ ํ•˜๊ฑฐ๋‚˜ ๊ณต์œ  ๋งํฌ๋ฅผ ๊ธฐ์žฌํ•ด์ฃผ์‹œ๋ฉด ๋ฉ๋‹ˆ๋‹ค.
๋งํฌ๋ฅผ ๊ณต์œ ํ•˜์‹œ๋Š” ๊ฒฝ์šฐ ์ œ๋Œ€๋กœ ๊ณต์œ ๊ฐ€ ๋๋Š”์ง€ ํ™•์ธ ๋ถ€ํƒ๋“œ๋ฆฝ๋‹ˆ๋‹ค.
[ํ•„์ˆ˜ ๊ณผ์ œ] ๊ฐ„๋‹จํ•œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ตฌํ˜„
[ํ•„์ˆ˜ ๊ณผ์ œ] ๊ฐ„๋‹จํ•œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ตฌํ˜„
  1. ์•„๋ž˜ ๋ฌธ์ œ ๊ธฐ์ค€์— ๋งž์ถฐ์„œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ์ฝ”๋“œ๋ฅผ ์ž‘์„ฑ
    1. ์ž…๋ ฅ๋ฐ์ดํ„ฐ๋Š” ์ด๋ฏธ์ง€๋กœ ๊ฐ€์ •ํ•˜๋ฉฐ shape์€ (64,64,3)์ด๋‹ค.
    2. ๋ชจ๋ธ์€ ์ด 3๊ฐœ์˜ CNN์œผ๋กœ ๊ตฌ์„ฑ๋˜์–ด์žˆ์œผ๋ฉฐ ๊ฐ ๋ ˆ์ด์–ด์— ์‚ฌ์šฉํ•œ ํŒŒ๋ผ๋ฏธํ„ฐ๋Š” ๋‹ค์Œ๊ณผ ๊ฐ™๋‹ค.
      1. 1๋ฒˆ์งธ CNN ๋ ˆ์ด์–ด: Filter(8) kernel(2X2) padding(x) stride(2x2)
      2. 2๋ฒˆ์งธ CNN ๋ ˆ์ด์–ด: Filter(16) Kernel(4x4) padding(x) stride(2x2)
      3. 3๋ฒˆ์งธ CNN ๋ ˆ์ด์–ด: Filter(32) Kernel(2x2) padding(x) stride(2X2)
    3. 3๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ output์€ Flatten ์ดํ›„ Fully connect layer๋ฅผ ํ†ตํ•ด 10ํฌ๊ธฐ์˜ ์ž„๋ฒ ๋”ฉ์œผ๋กœ ๋ณ€ํ™˜ํ•œ๋‹ค.
  1. ์œ„์—์„œ ์ž‘์„ฑํ•œ ๋ชจ๋ธ์— ๋”ฐ๋ผ ์•„๋ž˜ ๋ฌธ์ œ์˜ ์ •๋‹ต์„ ์ ์–ด์ฃผ์„ธ์š”
    1. 1๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ ์ถœ๋ ฅ feature์˜ shape์€?
    2. 2๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ ์ถœ๋ ฅ feature์˜ shape์€?
    3. 3๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ ์ถœ๋ ฅ feature์˜ shape์€?
    4. 3๋ฒˆ์งธ ๋ ˆ์ด์–ด์—์„œ padding์„ same์œผ๋กœ ์‚ฌ์šฉํ• ๊ฒฝ์šฐ ์ถœ๋ ฅ feature์˜ shape์€?
# ํ•ด๋‹น ์ฝ”๋“œ ์Šค๋‹ˆํŽซ์— ์ฝ”๋“œ๋ฅผ ์ฒจ๋ถ€ํ•ด์ฃผ์„ธ์š”.
์œ„์—์„œ ์ž‘์„ฑํ•œ ๋ชจ๋ธ์— ๋”ฐ๋ผ ์•„๋ž˜ ๋ฌธ์ œ์˜ ์ •๋‹ต์„ ์ ์–ด์ฃผ์„ธ์š”
  1. 1๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ ์ถœ๋ ฅ feature์˜ shape์€?
    1. Answer
  1. 2๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ ์ถœ๋ ฅ feature์˜ shape์€?
    1. Answer
  1. 3๋ฒˆ์งธ ๋ ˆ์ด์–ด์˜ ์ถœ๋ ฅ feature์˜ shape์€?
    1. Answer
  1. 3๋ฒˆ์งธ ๋ ˆ์ด์–ด์—์„œ padding์„ same์œผ๋กœ ์‚ฌ์šฉํ•  ๊ฒฝ์šฐ ์ถœ๋ ฅ feature์˜ shape์€?
    1. Answer

Q1 ๋ณธ์ธ์ด ์‚ฌ์šฉ ๊ฐ€๋Šฅํ•œ ์Šคํ‚ฌ(ex. PyTorch, TensorFlow, Pandas)

ย 

Q2 (Optional) ๊ด€์‹ฌ์ด ์žˆ๊ฑฐ๋‚˜ ์›ํ•˜๋Š” ํ”„๋กœ์ ํŠธ ์ฃผ์ œ๋ฅผ ๊ฐ„๋‹จํ•œ ์„ค๋ช…๊ณผ ํ•จ๊ป˜ ์ž์œ ๋กญ๊ฒŒ ์ ์–ด์ฃผ์„ธ์š”.

ย 

Q3 (Optional) ์ž์‹ ์˜ ๊นƒํ—ˆ๋ธŒ ํ”„๋กœํ•„๊ณผ ๊ฐ€์žฅ ์—ด์ •์ ์œผ๋กœ ์ฐธ์—ฌํ•œ ํ”„๋กœ์ ํŠธ์˜ ๊นƒํ—ˆ๋ธŒ ๋ ˆํฌ๋ฅผ ๊ธฐ์žฌํ•ด์ฃผ์„ธ์š”.