초보자를 위한 MNIST MNIST For ML Beginners (4)

초보자를 위한 MNIST       MNIST For ML Beginners

This tutorial is intended for readers who are new to both machine learning and TensorFlow.
이 교본은 모두 기계학습(ML) 및 TensorFlow가 처음인 독자를 위한 것입니다.
 
If you already know what MNIST is, and what softmax (multinomial logistic) regression is, you might prefer this faster paced tutorial.
MNIST와 softmax (다항 로지스틱) 회귀를 알고 있다면, 보다 빠른 속도의 교본을 선택할 수도 있습니다.

When one learns how to program, there's a tradition that the first thing you do is print "Hello World."
프로그램을 배울 때, 제일 먼저 하는 일이 "Hello World"를 인쇄하는 것입니다.

Just like programming has Hello World, machine learning has MNIST.
프로그래밍의 Hello World 처럼, 기계학습에는 MNIST가 있습니다.

MNIST is a simple computer vision dataset.
MNIST는 간단한 컴퓨터 비전 데이터셋 입니다.

It consists of images of handwritten digits like these:
MNIST는 아래처럼 손으로 쓴 숫자 이미지로 구성되어 있습니다:

It also includes labels for each image, telling us which digit it is.
MNIST에는 또한 각 이미지에 대한 레이블(labels)이 포함되어 있어, 숫자를 구별하게 해줍니다.

For example, the labels for the above images are 5, 0, 4, and 1.
예를 들어, 위 이미지 각각의 레이블은 5, 0, 4, 1입니다.

In this tutorial, we're going to train a model to look at images and predict what digits they are.
이 교본에서는, 모델에게 이미지 보는 방식을 훈련시켜서 이미지가 어떤 숫자(digits)인지 예측하고자 합니다.

Our goal isn't to train a really elaborate model that achieves state-of-the-art performance -- although we'll give you code to do that later! -- but rather to dip a toe into using TensorFlow.
나중에 수행할 코드를 주겠지만, 최첨단 성능을 가진 매우 정교한 모델을 훈련시키는 것이 목표가 아니고 일단 TensorFlow를 사용해보는데 의미가 있습니다.

As such, we're going to start with a very simple model, called a Softmax Regression.
따라서 Softmax 회귀(Regression) 라는 아주 간단한 모델로 시작합니다.

The actual code for this tutorial is very short, and all the interesting stuff happens in just three lines.
이 교본의 실제 코드는 매우 짧고, 모든 흥미로운 사항은 단 3줄에서 발생됩니다.

However, it is very important to understand the ideas behind it: both how TensorFlow works and the core machine learning concepts.
어쨌든 배경 아이디어(TensorFlow의 작동방법과 핵심 ML 개념)를 이해하는 것이 매우 중요합니다.

Because of this, we are going to very carefully work through the code.
따라서, 매우 신중하게 코드를 작동시킬 것입니다.