심층 신경망 시각화 및 검증하기

Investigate network predictions using deep learning visualization techniques.

이 예제에서는 Grad-CAM(gradient-weighted class activation mapping: 기울기 가중 클래스 활성화 매핑) 기법을 사용하여 딥러닝 신경망이 어떤 근거로 분류 결정을 내렸는지 이해하는 방법을 보여줍니다. Grad-CAM은 Selvaraju와 공동 저자[1]가 발명한 것으로, 영상을 분류할 때 입력 영상의 어느 부분이 가장 중요했는지 이해하기 위해 신경망이 판별한 컨벌루션 특징에 대한 분류 점수의 기울기를 사용합니다. 이 예제에서는 영상에 사전 훈련된 GoogLeNet 신경망을 사용합니다.

Use the gradient-weighted class activation mapping (Grad-CAM) technique to understand the classification decisions of a 1-D convolutional neural network trained on time-series data.

Use locally interpretable model-agnostic explanations (LIME) to understand why a deep neural network makes a classification decision.

이 예제에서는 심층 신경망 디자이너 앱을 사용하여 딥러닝 분류를 수행하는 간단한 컨벌루션 신경망을 만드는 방법을 보여줍니다. 컨벌루션 신경망은 딥러닝 분야의 필수 툴로서, 특히 영상 인식에 적합합니다.

Use the fast gradient sign method (FGSM) and the basic iterative method (BIM) to generate adversarial examples for a pretrained neural network.

Verify the adversarial robustness of a deep learning neural network.

Monitor vanishing gradients while training a deep neural network.