패스트캠퍼스 챌린지 19일차

 

어제 에러의 원인을 찾았다. 구글의 코랩 환경도 아니고, 개인 노트북도 아니였다. https://github.com/lovedlim/tensorflow/issues/8 여기에 Korpora PYPI 서버에 오류가 있어서였다. 이제 다시 고민을 해봐야 되는데.. 나는 다시 LSTM을 활용해 주가 예측 모델 구현하기 강의로 넘어갔다. 

 

자주 주제를 바꿔 들어도 괜찮냐고 물어보면 괜찮은 것 같다. 그간 개인 공부를 통해 딥러닝 모델 구조의 원리를 파악하기 시작해서 앞부분만 다를 뿐, 뒷부분은 학습 모델이 거의 똑같기 때문이다. (물론 하루에 공부하는 시간은 많이 투자해야 한다. 하지만 모른다는 것은 알고자 함의 강력한 동기부여가 된다.) 그럼 다시 한번 배웠던 것들을 복습해 보겠다.

 

모델에 RNN과 LSTM이 많이 나온다. 순환 신경망(Recurrent Neural Network, RNN)은 입력과 출력을 시퀀스 단위로 처리하는 모델이다. 시퀀스의 원소를 순회하면서 지금까지 처리한 정보를 상태(state)에 저장한다. RNN의 상태는 2개의 다른 시퀀스를 처리하는 사이에 재설정된다. 하나의 시퀀스가 여전히 하나의 데이터 포인트로 간주된다. 또 다른 정의로는 히든 노드가 방향을 가진 엣지로 연결돼 순환구조를 이루는(directed cycle) 인공신경망의 한 종류이다. 시퀀스 길이에 관계없이 인풋과 아웃풋을 받아들일 수 있는 네트워크 구조이기 때문에 필요에 따라 다양하고 유연하게 구조를 만들 수 있다는 점이 RNN의 가장 큰 장점이다.

 

 

 

 

 

 

 

#패스트캠퍼스 #패캠챌린지 #직장인인강 #직장인자기계발 #패스트캠퍼스후기 #퀴즈처럼풀면서배우는파이썬딥러닝300제+연습문제패키지Online

 

 

 

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

 

패스트캠퍼스 링크 : https://bit.ly/3FVdhDa