(업데이트) 세트렉아이의 전태균님이 이 플랫폼이 케라스(Keras)로 만들어졌다고 알려 주셨습니다. 모델을 만든 후 작성된 코드를 다운 받을 수 있는데요. 전태균님의 깃허브에서 직접 작성한 것과 deepcognition.ai 에서 만든 코드를 비교해 볼 수 있습니다.

Deep Cognition Labs에서 개발한 딥러닝 GUI 플랫폼인 DeepCognition.ai 베타 서비스가 릴리즈 되었습니다. 이 서비스는 웹 기반 어플리케이션으로 마우스 드래그앤 드롭으로 모델을 그리고, 훈련과 테스트를 클라우드 머신(AWS으로 추측됩니다)에서 수행합니다. 딥러닝 라이브러리는 텐서플로우를 사용한다고 합니다. 이와 비슷한 비즈니스 모델이 앞으로 계속 생길 듯하여 만드는 단계를 한번 따라가 보았습니다.

유료 서비스이지만 베타 중이어서인지 결재 정보를 넣지 않고도 간단한 모델을 만들 수 있었는데 임시적인 것인지 일시적인 오류인지는 모르겠습니다. 아직 친절한 설명은 충분하지 않지만 동영상 설명이 있어서 간단한 모델은 쉽게 따라할 수 있을 것 같습니다. 아래는 간단한 MNIST 예제를 만드는 과정입니다.

왼쪽에 간단한 메뉴가 구성되어 있는데 맨 위에 프로젝트를 생성하는 버튼이 있습니다. 프로젝트를 만들고 나서 최대화 아이콘을 누르면 워크 스페이스 같은 창으로 이동됩니다.

프로젝트의 메인 화면은 Data, Model, HyperParameters, Training, Results, Inference 로 총 6개의 탭으로 나뉘어져 있습니다. 설정 과정에서 따로 저장 버튼은 없고 자동으로 입력한 값이 저장됩니다. Data 탭에서는 미리 로드되어 있는 mnist 를 선택하고 크로스 밸리데이션 분할 정도를 지정합니다.

모델 탭에서 Show Advance Layers 를 선택하면 준비된 여러 콤포넌트들이 보입니다. Pre-Trained Models 에는 InceptionV3, VGG16/19, ResNet50 이 있습니다. 그 아래로는 콘볼루션과 리커런트 레이어도 준비되어 있습니다. 리커런트 레이어엔 LSTM과 GRU 도 포함되어 있습니다. 아마도 제공되는 콤포넌트들은 텐서플로우에 포함되어 있는 기능을 거의 포함하고 있지 않을까 예상됩니다.

마우스로 왼쪽  편의 콤포넌트를 끌어서 화면 중앙에 놓고 레이어 간의 점을 마우스로 끌어 당겨 연결합니다. 이미지이므로 입력 다음에 Flatten 이라는 콤포넌트를 두어 명시적으로 이미지를 직렬화 시켰습니다. 다음엔 간단한 완전 연결 레이어에 렐루 활성화 함수를 연결했습니다. 마지막엔 10개 노드를 가진 레이어를 두고 소프트맥스 활성화 함수를 지정했습니다. 마지막엔 Output 를 놓아주어야 합니다.

다음은 하이퍼파라미터 셋팅입니다. 배치 사이즈와 손실 함수, 옵티마이저를 선택하는 곳이 있습니다.

학습을 시키려면 인스턴스 유형을 고르도록 되어 있습니다. GPU-K520-4GB를 선택하면 인스턴스가 시작될 때 까지 잠시 기다리고 나서 Start Training 버튼이 활성화 됩니다. 학습 되는 동안 Loss와 Accuracy 가 그래프로 나타납니다.

Results 는 결과를 요약해 주고 Inference 탭에서는 시각적으로 분류된 이미지와 레이블을 확인할 수 있었습니다.