파이썬으로 배우는 딥러닝 교과서

결론부터 시작하자. 추천할만한가? 그렇다.

목차에서 볼 수 있듯이 한 권의 책에 많은 내용을 넣으려고 해서 좀 산만하다는 느낌이 있다. 대충 나눠도 머신러닝 기초, 파이썬 기초, numpy/pandas, 데이터 시각화, 딥러닝 등 각각 책으로 나올 영역들을 굉장히 많이 다룬다.

하지만 지은이가 초보자를 대상으로 책을 썼다고 밝히고 있으며(그래서 파이썬 문법을 다룸), 최근 전공자가 아닌 사람들도 딥러닝에 관심을 갖는다는 점을 생각하면 한 권으로 다양한 영역을 함께 다루면서 시작할 수 있다는 걸 장점으로 볼 수 있다. 0장의 설치 부분만 넘어서면 예제 코드를 설명하려는 부분만 쓰지 않고 한 예제마다 완결성있게 필요한 부분을 모두 써 넣었기 때문에(예를 들어 필요한 import를 각 예제마다 모두 넣어두거나 심지어는 연습문제로 import _____ as __와 같이 빈 칸을 채우는 문제도 있다), 이런 사소한 부분도 초보자에게는 좋다고 생각하며, 예제들이 (최소한 내가 직접 해본 부분들은) 다 정상 동작한다는 점도 좋았다(의외로 예제를 그대로 따라해도 안 되는 경우가 있는 책들이 종종 있다).

다만 챕터가 주제별로 나뉘어져 있지 않아 개인적으로는 다음과 같은 순서로 보는 게 이해가 더 쉬울 거 같다.

1. 파이썬 기초; 4~6장 및 13장. 13장은 초급이라고 보긴 힘들지만 파이썬 문법에 관한 부분이기 때문에 같이 묶었다
2. libraries(numpy, pandas, opencv); 7~9장, 14장 및 15장
3. 데이터 시각화; 10~12장
4. 머신러닝 기초; 1~3장 및 16장. 이론
5. 딥러닝; 17~22장

대부분의 프로그래밍 책이 그렇지만 특히 이 책은 초보자 대상이기 때문에 다 본다고 해서 어떤 영역에 대해 전문가가 되는 게 아니며, 실무에 바로 적용하기도 어렵다. 하지만 이런 부분을 하나씩 쌓아가는데 도움이 될 책은 분명하다.

0장

책에서는 windows에서 했지만 나는 mac이라서 anaconda update 후 다음 버전에서 예제를 진행했다.

❯ /usr/local/anaconda3/bin/python
Python 3.7.4 (default, Aug 13 2019, 15:17:50)
[Clang 4.0.1 (tags/RELEASE_401/final)] :: Anaconda, Inc. on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>

anaconda부터 설치가 필요하면 https://repo.anaconda.com/archive에서 받아서 설치 가능하다.

anaconda navigator를 따라 진행하는데, 다만 나의 경우 python version은 3.7이었고 이어서 가상 환경에서 터미널을 열라고 해서 따라서 했지만 다음과 같이 오류가 발생했다.

내가 따로 수정을 하고 다시 클릭을 해봤지만 똑같은 오류가 발생해서 살펴보니 클릭을 할 때 자동으로 a.tool을 생성하는 방식이라 내가 수정을 해도 아무 효과가 없었다.

❯ /usr/local/anaconda3/bin/conda create -n venv python=3.7 anaconda
❯ /usr/local/anaconda3/bin/conda init zsh
# 터미널을 새로 시작
(base) base ❯ conda activate venv
venv ❯

conda init 명령어로 default로 (base) base >와 같이 prompt가 바뀌는 건 다음 명령으로 해제할 수 있다(https://stackoverflow.com/questions/54429210/how-do-i-prevent-conda-from-activating-the-base-environment-by-default).

❯ conda config --set auto_activate_base false

현재 사용하는 anaconda python 3.7.7 버전에서, 1장에 나와있는 설치가 필요한 library는 다음과 같이 실행하면 설치할 수 있다(이외에는 이미 설치되어 있음). 나는 일부러 전부 최신으로 설치했지만, 책의 예제를 그대로 따라하고 싶다면 버전까지 일치시켜 설치하는게 더 좋다.

venv ❯ pip install tensorflow
venv ❯ pip install keras
venv ❯ conda install opencv
venv ❯ conda install pydot

이제 anaconda navigator를 시작하고 Environments에 가서 위에서 만든 가상환경을 선택하고 새 jupyter note를 시작해봤으나 설치된 library가 제대로 동작하지 않았다.

그래서 다음과 같이 jupyter lab 시작하고

venv ❯ jupyter lab

0장에 나온 library들을 모두 import 할 수 있는지 확인해본 결과 다음과 같이 문제 없음을 확인하고 책을 읽기 시작했다.

jupyter lab 실행 결과 몇 가지

10장 데이터 시각화

p300

11장 matplotlib

pp315~316

12장 다양한 그래프 그리기

p365

15장 OpenCV 이용 및 이미지 데이터 전처리

pp474~475

18장 하이퍼파라미터와 튜닝(2)

pp545~546

20장 딥러닝 튜닝

pp592~593 version 차이로 인해 key name만 acc는 accuracy, val_acc는 val_accuracy로 수정

22장 CNN을 이용한 이미지 인식 응용

pp683~684