Korean translation of the Keras documentation
This is the repository for the Korean-language .md
sources files of keras.io.
Existing files in sources/
should be edited in-line.
์ผ๋ผ์ค ๊ณต์ ๋ฌธ์ ํ๊ตญ์ดํ
์ผ๋ผ์ค ๊ณต์ ๋ฌธ์์ ํ๊ตญ์ดํ์
๋๋ค. ์ด๋ฏธ ๋ฅ๋ฌ๋์ ์ต์ํ ์ฐ๊ตฌ์ ๋ฐ ๊ฐ๋ฐ์ ์ธ์๋ ์ฒ์ ๋ฅ๋ฌ๋์ ์ ํ๋ ์ฌ์ฉ์๋ค์ด ์ต๋ํ ์ฝ๊ฒ ์ดํดํ๊ณ ์ฌ์ฉํ ์ ์๋๋ก ๊ทธ ์๋ฏธ์ ์ฉ๋ฒ, ์ฉ๋ก๊ฐ ์ ํํ๊ณ ๋ช
๋ฃํ๊ฒ ๊ทธ๋ฆฌ๊ณ ์ต๋ํ ์์ฐ์ค๋ฌ์ด ๋ฌธ์ฅ์ผ๋ก ๋ํ๋๋๋ก ์์ฑ๋์์ต๋๋ค.
๋ฒ์ญ ๊ฐ์ด๋๋ผ์ธ
- ๋ชจ๋ ๋ฒ์ญ๋ฌธ์ ํ๊ตญ์ด ์ ์๋ฒ์ ์ค์ํฉ๋๋ค.
- ๋ฒ์ญ์ ๋ฌธ์ํ ๋ด์ ์๋ ๋ณธ๋ฌธ ๋ด์ฉ๊ณผ ์ฝ๋ ์ฃผ์๋ค์ ๋์์ผ๋ก ํฉ๋๋ค.
- ๋ฒ์ญ์ ๋ฌธ์ฅ ๋์ ๋ถ๋ ๊ฒฉ์์ฒด๋ '-ใ ๋๋ค'์ฒด๋ฅผ ๋ฐ๋ฅด๋ฉฐ ๋น์์ด๋ ๋ฐ๋ง์ ์ฐ์ง ์์ต๋๋ค.
- ํฐ ๋ฐ์ดํ๋ ์์ ๋ฐ์ดํ๋('๏ผ") ํน์๋ฌธ์๋ฅผ ์ฌ์ฉํ์ง ์๊ณ ๊ธฐ๋ณธ์ ์ผ๋ก ์ ๊ณต๋ ๊ฒ์ ์ฌ์ฉํฉ๋๋ค.
- ์ฝ๋ ๊ฐ์กฐ(syntax highlight) ๋ค์ ์กฐ์ฌ๊ฐ ๋ถ๋ ๊ฒฝ์ฐ, ๊ณต๋ฐฑ์ ๋ฃ์ง ์์ต๋๋ค(e.g.
model.fit()
์ ์คํํ๋ฉด). - ํค์๋๋ฅผ ๋ฒ์ญํ ๋ ์๋์ ์๋ ์์ฑ ๊ท์น ๋ฐ ์ฉ์ด ํต์ผ์์ ์ต์ฐ์ ์ผ๋ก ์ฌ์ฉํฉ๋๋ค.
- ๊ณผํ ๋ณต๋ฌธ์ ๊ฒฝ์ฐ ๋จ๋ฌธ์ผ๋ก ๋๋์ด์ ์๋๋ค.
- ์๋ฌธ ๋ด์ฉ์ด ๋ถ์ถฉ๋ถํ ๊ฒฝ์ฐ ์๋ฌธ์ด ์ ๋ฌํ๊ณ ์ ํ๋ ๋ด์ฉ์ ์ถฉ์คํ ์ ๋ฌํ๋ ๋ฒ์ ๋ด์์ ์ฌ์ฉ์๊ฐ ์ดํดํ ์ ์๋๋ก ๊ฐ๋ตํ ์ค๋ช ์ ๋ณด์ถฉํฉ๋๋ค.
- ๋ฒ์ญ์ ๋ค๋ฅธ ์ธ์ด๋ก ๋ ๋ฌธ์์ ์๋ฏธ๋ฅผ ์ดํดํ๊ณ ํ๊ตญ์ด๋ก ๋ค์ ํํํ๋ ๊ฒ์ด๋ ๋ฒ์ญ์ฒด๋ ์์ ํด ์ฃผ์๊ธฐ ๋ฐ๋๋๋ค(
์ฐ๋ฆฌ๋ ํ๋ค ๋ฒ์ญ์).
์์ฑ ๊ท์น
- ์ฉ์ด ๋ฒ์ญ์ ๊ฒฝ์ฐ ๋ฌธ์ ๋ด์์ ์ฒ์ ๋์จ ๊ฒฝ์ฐ์ ํํด subscript๋ก ์์ด๋ฅผ ๋ณํํ๊ธฐํฉ๋๋ค. (์: ์ธตlayer)
- ๋ฐ์๋ง ํ๊ธ๋ก ์ฎ๊ธด ๊ฒฝ์ฐ subscript๋ ์๋ตํฉ๋๋ค. (์: ์คํธ๋ผ์ด๋)
- ํน์ํ ๊ฒฝ์ฐ๋ฅผ ์ ์ธํ๋ฉด subscript๋ ์๋ฌธ์๋ก ์์ฑํฉ๋๋ค. (ํน์ํ ๊ฒฝ์ฐ: 1. ๋๋ฌธ์ ๊ณ ์ ๋ช ์ฌ ๋ฐ ๋๋ฌธ์ ์ฝ์นญ, 2. ์ ๋ชฉ์ ๊ฒฝ์ฐ ๊ด์ฌ์ ์ ์์ฌ, ์ ์น์ฌ๋ฅผ ์ ์ธํ ๋จ์ด์ ์ ๋ชฉ ์ฒซ ๋จ์ด์ ์ฒซ๊ธ์๋ ๋๋ฌธ์๋ก ์์ฑ)
- list, dict ๋ฑ ํ์ด์ฌ ๊ธฐ๋ณธ ์๋ฃํ์ ๊ฒฝ์ฐ ๋ฐ์๋๋ก ํ๊ธฐํ๊ณ ์์ด๋ ๋ณ๊ธฐํ์ง ์์ต๋๋ค.
- int, float, integer ๋ฑ ์๋ฃํ ํค์๋/๋จ์ด์ ๊ฒฝ์ฐ
- ๋ฌธ์ฅ ๋ด์ ๋ฑ์ฅํ๋ ๊ฒฝ์ฐ ํ๊ตญ์ด๋ก ๋ฒ์ญํฉ๋๋ค. (์: "~ is tuple of integers" โ "~๋ ์ ์ํ ํํ์ ๋๋ค.")
- argument๋ฑ ๋ณ์ ์ค๋ช
์์ ์
๋ ฅ๊ฐ์ ์๋ฃํ์ ๋ํ๋ด๋ ๊ฒฝ์ฐ highlight๋ก ํ์ํ๊ณ ํ์ด์ฌ ์๋ฃํ ํ๊ธฐ๋๋ก ์ ์ต๋๋ค. (์: X: Integer, โ
int
.)
- ๋ฌธ์ฅ ๋์ colon(:)์ ๋ง์นจํ๋ก ๋์ฒดํฉ๋๋ค.
- ๋ฌธ์ฅ ๋์ semicolon(;)์ ๋ฌธ์ฅ์ ๋ ๊ฐ๋ก ๋ถ๋ฆฌํ๊ณ ํ์ํ ๊ฒฝ์ฐ ์ ํฉํ ์ ์์ฌ๋ฅผ ์ถ๊ฐํฉ๋๋ค.
- Keras๋ฅผ ์ ์ธํ ๋ชจ๋ API ๋ฐ ์๋น์ค ๋ฑ์ ์ด๋ฆ(TensorFlow, NumPy, CNTK, Amazon, Google ๋ฑ)์ ์๋ฌธ ๊ทธ๋๋ก ์ฌ์ฉํฉ๋๋ค
- ํจ์ ์ธ์ ์ค๋ช
์ [์ธ์:
data type
, ์ค๋ช ๋ด์ฉ, ๊ธฐ๋ณธ๊ฐ ]์ ํ์์ ๋ฐ๋ฆ ๋๋ค. (์: batch_size:int
ํน์None
. ์์ค๋ก๋ถํฐ ๊ทธ๋๋์ธํธ๋ฅผ ๊ตฌํ๊ณ ๊ฐ์ค์น๋ฅผ ์ ๋ฐ์ดํธํ๋ ๊ณผ์ ํ ๋ฒ์ ์ฌ์ฉํ ํ๋ณธ์ ๊ฐ์์ ๋๋ค. ๊ธฐ๋ณธ๊ฐ์32
์ ๋๋ค.) - Raises๋์ ๊ฒฝ์ฐ ์ค๋ฅ๋ก ๋ฒ์ญํ๋ฉฐ, ๋ณธ๋ฌธ์ "(~ํ๋ ๊ฒฝ์ฐ, ~ํ๋ฉด, ~๊ฐ) ๋ฐ์ํฉ๋๋ค."๋ก ์ ๋ฆฌํฉ๋๋ค.
์ฉ์ด ํต์ผ์
- ์ดํ ํต์ผ์์ ์ผ๋ผ์ค ์ฝ๋ฆฌ์ ๋ฒ์ญํ์ ๋ ผ์๋ฅผ ๊ฑฐ์ณ ํฉ์๋ ํํ์ ๋ชฉ๋ก์ ๋๋ค.
- ํต์ผ์ ์ ์ ์ ๋ค์๊ณผ ๊ฐ์ ๋ฆฌ์์ค๋ฅผ ์ฐธ๊ณ ํ์์ต๋๋ค.
- ์ฐธ์กฐ๋์์ด ์๋ ์ดํ์ ๊ฒฝ์ฐ ์๋ฏธ๋ฅผ ์ด๋ฆฌ๋ ๋ณดํธ์ ์ผ๋ก ์ฌ์ฉ๋๋ ํํ์ ์ฐ์ ์ ์ ํ์์ต๋๋ค. ์๋ก ๋ค๋ฅธ ๋์์ ๊ฐ๋ฆฌํค๋ ๋ฒ์ญ ์ดํ๊ฐ ์ค๋ณต๋์ด ์ฐ์ด๋ ๊ฒฝ์ฐ ์ต๋ํ ๊ฐ๊น์ด ์๋ก์ด ์ดํ๋ก ๋์ฒดํ์์ต๋๋ค.
- ์ฉ์ด์ง์ ์๋ก ๋์ถํ ํฉ์์๊ณผ ํจ๊ป ๊ฐ์ ๋ฉ๋๋ค.
English | ํ๊ตญ์ด |
---|---|
-er | ~ํ ํจ์ / ํจ์ |
1--9 | 1--9 |
accuracy | ์ ํ๋ |
argument | ์ธ์ |
(artificial) neural network | (์ธ๊ณต) ์ ๊ฒฝ๋ง |
augmenter | ์ฆ๊ฐ ํจ์ |
Average Pooling | ํ๊ท ํ๋ง |
axis | ์ถ |
batch | ๋ฐฐ์น |
bias | ํธํฅ |
binary classification | ์ด์ง ๋ถ๋ฅ |
cache | ์บ์ |
callback | ์ฝ๋ฐฑ |
cell state | ์ ์ํ |
channel | ์ฑ๋ |
checkpoint | ์ฒดํฌํฌ์ธํธ |
class | ํด๋์ค |
classification | ๋ถ๋ฅ |
compile | ์ปดํ์ผ |
constraint | ์ ์ฝ |
convolutional neural network (CNN) | ํฉ์ฑ๊ณฑ ์ ๊ฒฝ๋ง |
corpus | ๋ง๋ญ์น |
dense layer | ์์ ์ฐ๊ฒฐ์ธต |
dimension | ์ฐจ์ |
dot product | ๋ด์ |
dropout | ๋๋กญ์์ |
element-wise | ์์๋ณ |
embedding | ์๋ฒ ๋ฉ |
encoding | ์ธ์ฝ๋ฉ |
epoch | ์ํญ (์์ ์ ์ผ๋ก ์ธ ๋๋ 'nํ ๋ฐ๋ณต') |
factor | ๊ฐ/์์ธ/์์ |
fully-connected, densely connected | ์์ ์ฐ๊ฒฐ |
global | ์ ์ญ |
generator | ์ ๋๋ ์ดํฐ |
gradient | ๊ทธ๋๋์ธํธ |
gradient ascent | ๊ฒฝ์ฌ์์น๋ฒ |
gradient descent | ๊ฒฝ์ฌํ๊ฐ๋ฒ |
hidden unit | ์๋ ์ ๋ |
hidden layer | ์๋ ์ธต |
hidden state | ์๋ ์ํ |
hyperparameter | ํ์ดํผํ๋ผ๋ฏธํฐ |
identity matrix | ๋จ์ ํ๋ ฌ |
index | ์ธ๋ฑ์ค (๊ฐ๋ณ index์ ๋ฌถ์ ์ ์ฒด๋ฅผ ๊ฐ๋ฆฌํฌ ๋๋ '๋ชฉ๋ก') |
input | ์ ๋ ฅ/์ ๋ ฅ๊ฐ |
instance | ์ธ์คํด์ค |
initialization | ์ด๊ธฐ๊ฐ ์์ฑ |
initializer | ์ด๊ธฐํ ํจ์ |
keras | ์ผ๋ผ์ค |
kernel | ์ปค๋ |
label | ๋ ์ด๋ธ |
layer | ์ธต |
learning rate | ํ์ต๋ฅ |
learning rate decay | ํ์ต๋ฅ ๊ฐ์ |
locally | ๋ถ๋ถ ์ฐ๊ฒฐ |
loss function | ์์ค ํจ์ |
LSTM | LSTM |
MaxPooling | ์ต๋๊ฐ ํ๋ง |
mean squared error (MSE) | ํ๊ท ์ ๊ณฑ ์ค์ฐจ(๋ฒ) |
metric | (ํ๊ฐ) ์งํ (๋ฌธ๋งฅ์ ๋ฐ๋ผ ์ ์ฐํ๊ฒ ์ฌ์ฉ) |
mini-batch | ๋ฏธ๋ ๋ฐฐ์น |
model | ๋ชจ๋ธ |
momentum | ๋ชจ๋ฉํ |
multi-class classification | ๋ค์ค ๋ถ๋ฅ |
multilayer perceptron (MLP) | ๋ค์ธต ํผ์ ํธ๋ก |
neuron | ๋ด๋ฐ |
node | ๋ ธ๋ |
noise | ๋ ธ์ด์ฆ |
non-negativity | ์์ด ์๋ ~ |
norm | ๋ ธ๋ฆ |
normalization | ์ ๊ทํ |
normalize | ์ ๊ทํํ๋ค |
note | ์ฐธ๊ณ |
objective function | ๋ชฉ์ ํจ์ |
one-hot encoding | ์-ํซ ์ธ์ฝ๋ฉ |
optimizer | ์ต์ ํ ํจ์ |
output | ์ถ๋ ฅ(๊ฐ) |
padding | ํจ๋ฉ |
parameter | (ํจ์์)๋งค๊ฐ๋ณ์ |
parameter | (๋ชจ๋ธ์)ํ๋ผ๋ฏธํฐ (๊ฐ์ค์น์ ํธํฅ์ ํจ๊ป ์ด๋ฅด๋ ๋ง) |
placeholder | ํ๋ ์ด์คํ๋ |
penalty | ํ๋ํฐ |
pooling | ํ๋ง |
precision | ์ ๋ฐ๋ |
queue | ๋๊ธฐ์ด |
recurrent neural network (RNN) | ์ํ ์ ๊ฒฝ๋ง |
reference | ์ฐธ๊ณ |
regression | ํ๊ท ๋ถ์ |
regression(-ive) model | ํ๊ท ๋ชจ๋ธ |
regularize(-er) | ๊ท์ ํ/๊ท์ ํจ์ |
repository | ์ ์ฅ์ |
reshape | ํํ๋ฐ๊พธ๊ธฐ |
return | ๋ฐํ๊ฐ |
root mean squared error (RMSE) | ํ๊ท ์ ๊ณฑ๊ทผ ์ค์ฐจ(๋ฒ) |
sample | ํ๋ณธ |
sequence (-tial) | ์์ํ |
set | ์ธํธ |
shape | ํํ |
stack | ์ธต์ ์๋ค |
stateful | ์ํ ์ ์ฅ |
stochastic gradient descent | ํ๋ฅ ์ ๊ฒฝ์ฌํ๊ฐ๋ฒ |
stride | ์คํธ๋ผ์ด๋ |
target | ๋ชฉํ(๊ฐ) |
temporal | ์๊ณ์ด |
tensor | ํ ์ |
test | ์ํ |
text | ํ ์คํธ |
timestep | ์๊ฐ ๋จ๊ณ/์์ |
token | ํ ํฐ |
train | (๋ฐ์ดํฐ์ ๊ฒฝ์ฐ) ํ๋ จ ์ธํธ / (๋์์ ๊ฒฝ์ฐ) ํ์ต์ํค๋ค |
utility | ๋๊ตฌ |
validation | ๊ฒ์ฆ |
weight | ๊ฐ์ค์น |
wrapper | ๋ํผ |