입력층 은닉층 출력층 이렇게 설정하고 입력층에 학습값을 밀어넣으면서 GPGPU의 힘을 빌어 학습을 시키잖아
예를 들어 학습값이 과일 이미지였다면 딥러닝을 통해 이제 제법 똑똑해져서 웬만한 과일 이미지는 다 판별할 수 있는 수준이 됐다고 쳐봐
근데 내가 궁금한 건 이 "똑똑해짐"이 어디에 어떻게 저장되어 있냐는거임
DB에 데이터를 밀어넣는 형식은 절대 아닐 거 같고
그렇다고 학습기 스스로 자기 자신의 코드를 수정->컴파일을 반복하면서 똑똑해지는건 설마 아닐텐데
이거 설명 좀 해줄 수 있는 사람 있음?
그니까 학습 시작 전 학습기(사과 이미지를 보고 사과인 줄 모음)랑
학습 후 학습기(대충 아무 과일 이미지 던져줘도 모두 판별 가능)의 차이는 어디에 어떻게 구현되어 있는거야?
층이랑 활성화 함수 이런 건 대충 알겠는데 이게 어디에 어떻게 저장된다는 건지는 설명해놓은 곳이 없네
네. 프로그램이 개선된다는 건 알겠는데 백데이터를 수정해나가는 방식으로 똑똑해지는건지 프로그램 로직 자체가 계속 바뀌는건지 궁금해요
신경망의 학습이라는건 레이어 노드간의 연결의 가중치의 최적값을 gradient descent로 찾아내는거야. 프로파게이션이 어떻게 이뤄지고 그 수식의 의미를 이해할수있다면 이런고민은 해결될거라고 생각한다