NumPy로 밑바닥부터 구현한 시각화 MLP: 학습 중 가중치 분포와 t-SNE 확인

요약

한 개발자가 딥러닝 학습 과정을 시각화하여 관찰할 수 있는 교육용 MLP 툴을 NumPy 기반으로 직접 개발했습니다. 이 툴은 자동 미분 없이 수동 역전파(manual backprop), SGD with momentum, L2 정규화, Dropout, 코사인 감쇠 등을 구현하였으며, MNIST 데이터셋에서 98.5% 수준의 정확도를 기록합니다. 학습 중에는 미니 배치 및 에포크별 손실, 레이어별 그래디언트 노름, 가중치 분포, 뉴런 활성화 비율, 수용장 등을 실시간으로 확인할 수 있습니다. 또한 테스트 데이터셋에 대한 레이어별 PCA 및 t-SNE 시각화 기능을 제공하며, 오분류된 데이터가 어떤 클래스와 혼동되는지 선으로 표시해 줍니다. 추가로 노이즈와 회전에 대한 강건성 곡선과 신뢰도 임계값 변화 등을 시각적으로 분석할 수 있어 실무 교육 및 모델 내부 이해에 유용합니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.