딥러닝 라이브러리 종류

Pandas와 Numpy를 정리 하다보니 갑자기 든 궁금증...

 

라이브러리는 어느 정도가 필요한가... 

물론 다는 알 필요는 없지만... 어떠한 종류가 있으며 어떠한 이유로 사용하면 되는지... 그 정도만 알아는 둬야 할거 같아서 

이번 포스팅을 해본다 

 

물론 내가 이걸 다 알 수는 없기에 이번 포스팅은 지피티와 함께 하겠다.

추가로, 해당 라이브러리 리스트는 업데이트 될 수 있으며, 각 라이브러리를 포스팅 하면 해당 리스트에 링크를 걸어두겠다. 

🧠 딥러닝 라이브러리 기능별 정리표

✅ 1. 수치 계산 및 데이터 구조

라이브러리	설명	핵심도
numpy	다차원 배열 및 수치 연산의 기반	🔥 핵심
pandas	테이블형 데이터 처리 (CSV, Excel 등)	🔥 핵심

 

✅ 2. 딥러닝 프레임워크

라이브러리	설명	핵심도
tensorflow	Google이 개발한 딥러닝 프레임워크	🔥 핵심
torch (PyTorch)	Facebook이 개발한 딥러닝 프레임워크	🔥 핵심
CUDA, cuDNN	GPU 연산 가속을 위한 내부 라이브러리	✅ 보조 (내장됨)

 

✅ 3. 전처리 및 모델 평가 도구

라이브러리	설명	핵심도
scikit-learn (sklearn)	데이터 분할, 정규화, 평가지표 등	🔥 핵심
re	정규표현식을 통한 텍스트 정제	🔥 핵심 (NLP 중심)

 

✅ 4. 시각화

라이브러리	설명	핵심도
matplotlib	기본적인 시각화 도구	🔥 핵심
seaborn	통계적 시각화 강화	✅ 보조

 

✅ 5. 이미지 처리 및 증강

라이브러리	설명	핵심도
PIL, opencv	이미지 파일 읽기 및 기본 전처리	✅ 보조
albumentations	학습용 이미지 증강 도구	✅ 보조

 

✅ 6. 파일/시스템/시간 처리

라이브러리	설명	핵심도
os, glob, pathlib	파일 및 폴더 경로 처리	✅ 보조
time, datetime	시간 측정, 로그 기록	✅ 보조

 

✅ 7. 웹 크롤링 (텍스트 데이터 수집)

라이브러리	설명	핵심도
requests, BeautifulSoup	웹에서 텍스트 데이터 수집	✅ 보조 (NLP 활용 시 유용)

 

✅ 8. 반복 및 고급 제어 흐름 도구

라이브러리	설명	핵심도
itertools	조합, 순열, 누적합 등 반복 가능한 데이터를 고성능으로 처리하는 함수 모음	✅ 보조
functools	고차 함수 지원 (e.g. partial, lru_cache, reduce) 등 함수형 프로그래밍 도구	✅ 보조
collections	deque, Counter, defaultdict 등 고급 자료구조 제공	✅ 보조

💡 전체 분류 요약

기능 그룹	라이브러리
수치 처리 & 데이터 구조	numpy, pandas
딥러닝 모델	tensorflow, torch, cuda/cuDNN
전처리 & 평가	scikit-learn, re
시각화	matplotlib, seaborn
이미지 처리 & 증강	PIL, opencv, albumentations
시스템 & 시간	os, glob, time, datetime
웹 데이터 수집	requests, BeautifulSoup
반복 및 고급제어 흐름구조	itertools, functools, collections