PgMaru

ConvNetJS를 이용하면, JavaScript를 이용해 머신러닝을 쉽게 구현하고 테스트할 수 있다.

그래서 연습삼아, 신경망을 통해 XOR을 학습하고 분류하는 과정을 구현해 보았다.

ConvNetJS의 Getting Started에 나온 Example: Neural Net Classification을 토대로,

Hidden Layer 갯수 및 각 레이어별 뉴런의 갯수를 설정할 수 있게 해 보았다.

신경망에 레이어를 추가하는 개념이 나오기 전까지는 

XOR을 학습하고 분류하는 것이 불가능했다고 하는데, 

실제로 Hidden layer 갯수를 0으로 하고 테스트해 보면,

XOR 분류가 안되는 것을 확인해 볼 수 있다.

'구슬이 서말이라도 꿰어야 보배'이듯이,

딥러닝도 실습, 개발 및 테스트를 통해서만이 내것이 된다.

그리고, 그러기 위해서는 결국, 개발언어와 그에 맞는 라이브러리를 선택해야 한다.

다음 사이트에, 언어별 딥러닝 라이브러리가 잘 정리되어 있다.

Deep Learning Libraries by Language

프로그래밍 언어별 딥러닝 라이브러리 정리

위 사이트에 보면, Phyton용 라이브러리가 가장 많은 것을 확인할 수 있다.

Theano와 TensorFlow는 이미 조금 알아봤고,

그밖에 다음과 같은 라이브러리들에 관심이 간다.

1. ConvNetJS
• JavaScript 라이브러리라서, 별도의 프로그램 설치나 컴파일 등이 필요 없다. 
• 스탠포드 대학의 Andrej Karpathy에 의해 만들어진 후, 여러 기고자들에 의해 기능이 확장되었다.
• 별다른 환경 설치가 필요 없는 점, HTML5의 풍부한 표현력을 이용하여 결과를 시각화 하기 좋다는 점 등이 장점일 것 같다.
• 실제로 예제들을 살펴보면, 다른 라이브러리들과 달리 진행 결과를 눈으로 확인할 수 있게 놀랍도록 잘 보여준다.
2. Caffe
• Python 및 C++용 라이브러리
3. Deeplearning4j
• Java용 라이브러리
4. Accord.NET
• C#으로 만들어진 .NET용 라이브러리