GPU 실습 환경을 구성하는 방법부터 머신 러닝과 딥러닝, 강화 학습 기초까지 간단한 이미지 인식, 분류 등 다양한 예제로 실습한다. 체이너(Chainer), 텐서플로(TensorFlow) 등 다양한 프레임워크를 사용해 딥러닝의 전체 모습을 살펴볼 수 있다. 또한, 실습하면서 만날 수 있는 오류에 대한 대처법도 수록했다.
CPU와 GPU는 작업 처리 방식이 다르다. CPU는 직렬 처리에 최적화된 몇 개의 코어로 구성돼 복잡한 연산을 수행할 때 적합하며, GPU는 병렬 처리용으로 설계된 수천 개의 코어로 구성돼 대량으로 단순한 계산을 할 때 적합하다. 딥러닝은 대부분 행렬 연산이며, 행렬 연산은 대량의 단순한 계산이므로 GPU를 사용하면 처리 속도가 훨씬 빨라진다.
필자도 이제는 딥러닝의 매력에 푹 빠져서 매일같이 인터넷에서 발표되는 신기술과 새로운 발견에 설레는 나날들을 보내고 있습니다. 이러한 딥러닝의 인기에 영향을 받아 딥러닝으로 인공지능 프로그래밍에 도전하겠다는 사람들이 계속 생겨나고 있습니다. 그런데 실제로 딥러닝을 하려면 정보가 너무 많고 뒤섞여 있는데다가 발전 속도가 너무 빨라 겨우 반 년 전의 정보와 현재의 정보가 전혀 다른 경우가 발생하곤 합니다. 이렇게 무작정 신기술만 따라가는 것은 비능률적이어서, 먼저 딥러닝으로 할 수 있는 것과 할 수 없는 것을 알고, 동시에 머신 러닝의 기초적인 요소부터 체계적으로 머신 러닝의 장단점을 배우는 교과서 같은 책이 있으면 좋겠다고 생각했습니다.
이 책은 딥러닝에 푹 빠져 있던 필자가 이러한 요구를 충족시키기 위해 집필한 안내서입니다. 딥러닝 컴퓨터 프로그래밍은 다른 프로그래밍에 비해 특별히 어렵지 않습니다. 오히려 간단하다고 할 수 있습니다. 이 책에서 소개하는 가장 간단한 프로그램은 겨우 11줄입니다. 그리고 딥러닝의 재미있는 점은 이처럼 간단한 프로그램이라도 여러 가지 가능성을 엿볼 수 있다는 점입니다.
미리보기 
(0)
최근작 :
