humphd/have-fun-with-machine-learning

어떤 프로젝트인가요?

핵심 기능

• 01소규모 사용자 지정 이미지 데이터셋으로 합성곱 신경망을 학습하는 과정을 안내합니다.
• 02사전 학습된 AlexNet과 GoogLeNet 모델을 새로운 클래스로 미세 조정하는 방법을 보여줍니다.
• 03데이터셋 생성, 학습 차트 확인, 모델 테스트에 NVIDIA DIGITS를 사용합니다.
• 04학습된 Caffe 모델로 새 이미지를 분류하는 Python 스크립트를 제공합니다.
• 05네이티브 설치와 Docker 설정 방법을 모두 안내합니다.

활용 사례

• 실습형 이미지 분류 프로젝트를 통해 머신러닝을 익히려는 입문 개발자.
• 사전 학습된 네트워크를 자신의 이미지에 맞게 조정하며 전이 학습을 배우려는 엔지니어.
• 신경망 이론을 먼저 공부하지 않고 Caffe나 DIGITS를 사용해 보고 싶은 사람.

빠른 시작

1. 1

   Docker가 아직 설치되어 있지 않다면 설치합니다

2. 2

   저장소 경로를 클론한 위치로 바꾼 뒤 Caffe + DIGITS 컨테이너를 가져와 실행합니다

   docker run --name digits -d -p 8080:5000 -v /path/to/this/repository:/data/repo kaixhin/digits
3. 3

   웹 브라우저에서 http://localhost:8080 을 엽니다

사용 전 알아둘 점

• !Caffe를 네이티브 환경에 설치하기는 어렵고, 특히 macOS에서는 며칠이 걸릴 수 있습니다.
• !이 가이드는 2016~2017년경 만들어진 오래된 도구인 Caffe와 DIGITS를 기반으로 합니다.
• !README에는 명확한 오픈소스 라이선스가 명시되어 있지 않습니다(라이선스는 NOASSERTION으로 표시됨).

포함된 컬렉션

토픽

자주 묻는 질문

have-fun-with-machine-learning은(는) 무엇인가요?

AI 배경지식이 없는 입문자를 위한 실습형 튜토리얼로, Caffe와 NVIDIA DIGITS를 사용해 이미지 분류 신경망을 학습하고 배포합니다. AI 배경지식이 없는 프로그래머를 위한 실용적인 머신러닝 가이드입니다. Caffe를 딥러닝 프레임워크로, NVIDIA DIGITS 웹 도구를 데이터셋과 학습 작업을 관리하는 데 사용해 돌고래와 해마를 구분하는 분류기를 만드는 과정을 안내합니다.

have-fun-with-machine-learning은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

have-fun-with-machine-learning은(는) Other 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

have-fun-with-machine-learning은(는) 아직 유지보수되고 있나요?

6개월 이내 업데이트. have-fun-with-machine-learning의 마지막 커밋은 2026년 9월 4일입니다.

have-fun-with-machine-learning은(는) 어디에 사용할 수 있나요?

실습형 이미지 분류 프로젝트를 통해 머신러닝을 익히려는 입문 개발자. 사전 학습된 네트워크를 자신의 이미지에 맞게 조정하며 전이 학습을 배우려는 엔지니어. 신경망 이론을 먼저 공부하지 않고 Caffe나 DIGITS를 사용해 보고 싶은 사람.

have-fun-with-machine-learning는 어떻게 설치하나요?

Docker가 아직 설치되어 있지 않다면 설치합니다 저장소 경로를 클론한 위치로 바꾼 뒤 Caffe + DIGITS 컨테이너를 가져와 실행합니다: docker run --name digits -d -p 8080:5000 -v /path/to/this/repository:/data/repo kaixhin/digits 웹 브라우저에서 http://localhost:8080 을 엽니다

have-fun-with-machine-learning은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/humphd/have-fun-with-machine-learning