딥러닝부트캠프케라스

딥러닝 부트캠프 with 케라스 - GPU 실습 환경 준비부터 이미지 분류, 물체 검출, 강화 학습까지
후지타 카즈야.다카하라 아유무 지음, 이기홍 옮김 / 길벗 / 2017년 12월

현업에서 딥러닝 이전의 머신러닝 알고리즘을 다루다보니  AI업계에서 딥러닝의  발전속도가 매우 빨라 이를 발맞추지 못하는것같은 자신이 불안했었습니다. 텐서플로우를 비롯해 여러 프레임워크들도 지원을 잘 해주고있는 현 상황에서 이 책은 아주 반가운 책이었습니다.

텐서플로우를 기반으로 보다 쉽게 모델구현이 가능하고 인기를 몰고있는 케라스 프레임워크를 실제 관심있었던 컴퓨터 비전 분야의 주요 해결과제인 이미지 클래스 분류, 물제검출을 맛볼 수 있고 거기에 강화학습까지 체험해볼 수 있는 내용을 담고있다니 흥미롭기 그지 없었습니다.

이 책을 덮으며, 몇가지 장단점을 공유해볼까 합니다.

장점 1. 주요한 이론을 핵심적으로 짚어줍니다.

    최근 머신러닝 계는 발전속도는 빠르나 기반지식의 수준이 높아 진입장벽이 높다고 생각이 듭니다. 이 책을 통해 공부할 것도 많고 습득해야하는 기술도 많은데 드는 시간과 노력을 많이 줄였습니다. 예를 들어, 이미지 클래스 분류에서 CNN이 인기가 있다? 고 하지만 CNN이 정확히 어떤 알고리즘인지, 현재까지의 역사는 무엇인지에 대해서 CNN의 정의 및 원리를 설명하고 시간대별로 주요한 CNN 알고리즘인 AlexNet, VGGNet, GoogLeNet, ResNet 이 등장했다는 것을 설명합니다. 물론, 각각이 어떤 네트워크 구조를 가지는지도 상세한 설명이 있습니다.

장점 2. 실습코드가 최신버전으로 잘 작성되어있습니다.  

   실습코드를 작성하면서 중요한 점이라 생각하는 것은 최신버전을 잘 반영하는지 입니다. 발전속도가 빠르고 프레임워크들의 내부 코드 개선과정도 빠르다보니 이전에 작성한 예제코드들이 실행오류가 나는 상황들이 빈번합니다. 하지만 이 책의 코드들은 최신화되어있으며 실행환경과 소프트웨어버전을 동일하게 셋팅했다는 가정 하에 매우 잘 동작하는 것을 확인했습니다. 코드 내부 구조의 이해를 위해선 한 줄 한 줄의 의미를 파악하는 것도 중요하나, 우선 이 코드들이 잘 동작하는지가 첫번째 겠지요. 그런 의미에서 본 책이 최신인 만큼 코드 또한 최신으로 잘 반영되어있습니다.

다음으로 단점들입니다.

단점 1. 완전히 새로운 환경으로 셋팅하는것을 설명합니다.

   저의 경우, 윈도우10환경의 Python 3를 사용합니다만, 본 책에서 설명하는 설치환경은 리눅스OS의 Python 2 버전입니다. 그렇기 때문에 저처럼 윈도우 유저들은 버추얼박스 등을 설정하지않으면 OS부터 설치하기는 힘들어 보입니다. Python 3환경에서는 본 코드가 잘 동작하지않는 면을 보입니다. 윈도우OS에서의 케라스 설치 라든가, 파이썬 가상환경 설정을 따로 찾아볼 수 있게 정보를 제공하면 좋겠다는 생각이 들었습니다.

단점 2. 좀더 많은 내용을 담았으면 하는 아쉬움이 있습니다.

   책을 읽어나갈때는 몰랐었는데 다 덮으면서 뒤돌아 보면 아쉬움이 많이 남던 책이었습니다. 컴퓨터 비전 뿐 아니라, 자연어 처리, 음성 인식 이라는 큰 분야도 있고 알고리즘으로 보면 CNN 뿐 아니라, RNN, GAN 과 같이 굵직한 알고리즘 들도 있는 걸로 알고 있습니다. 강화학습만 해도 그렇구요. CNN계열 알고리즘을 중점적으로 설명하다보니 분량 상의 문제가 있을수도 있다고 예상되지만 얕고 넓게라면 폭넓은 분야나 알고리즘을 과제별로 실습해보고싶다는 생각이 들었습니다.

결과적으로 이 책으로 많은 시간을 절약하여 감사함과 아쉬움으로 책을 덮습니다.

본 책은 파이썬을 처음 다루시는 분들에게는 절대 추천드리지않습니다.