Page 15 -

딥러닝을 이용하는 물체 검출에서는 R-CNN(Region with CNN)이 유명하지만, 이 책에서는 26
*
층의 신경망을 이용한 Yolo 를 소개합니다. Yolo는 Darknet 프레임워크를 사용하며, 검출
정확도 역시 R-CNN에 뒤떨어지지 않습니다.

이 책에서는 이러한 프레임워크를 사용하여 실제 샘플 프로그램을 부분적으로 보여 주면서
설명하는데, 샘플 프로그램은 길벗출판사의 웹 사이트나 깃허브에서 모두 내려받아 실행할

수 있습니다.

표 1-3에 이 책에서 사용하는 프레임워크(라이브러리)와 버전을 정리해 두었습니다.

표 1-3 사용하는 프레임워크(라이브러리)

프레임워크(라이브러리) 버전
Keras 1.0.8
Theano 0.8.2
Torch 7

Chainer 1.16.0
Darknet 2

3.2 GPU의 이용

CPU(Central Processing Unit)는 매우 복잡한 연산을 수행할 때는 적합하지만, 방대한 단순 계산
처리에는 적합하지 않습니다. 한편 GPU(Graphic Processing Unit)는 복잡한 처리는 잘 못하지만,

한꺼번에 대량으로 단순 계산을 할 때는 압도적으로 빠릅니다.

GPU는 PC에 탑재된 3차원 그래픽 계산을 처리하는 프로세서이지만, 다른 용도로도 활용
합니다. 그중 하나가 딥러닝의 행렬 연산입니다. 딥러닝에서는 모델의 학습과 결과를 예측
하는 데 방대한 양의 행렬 연산을 합니다. GPU를 사용하면 학습 시간은 10~30배, 예측 시

간은 5~10배 정도로 빠르다고 알려져 있습니다.

* http://pjreddie.com/darknet/yolo/

22 딥러닝 부트캠프 with 케라스

딥러닝 부트캠프(본문)최종.indd 22 2017-12-06 오후 3:25:38