본문 바로가기

코딩 독학41

[cs231n] 5강. Convolutional neural networks ✔ 본 포스팅은 20/10/10 ~ 20/12/26 동안 진행하는 가짜연구소 딥러닝기초이론스터디를 통해 학습한 내용입니다. ✔ 본 포스팅은 스탠포드 대학의 cs231n 강의를 정리한 내용입니다. Fully connected layer : 벡터화한 input에 같은 demension을 가진 각 class의 가중치벡터를 곱해 각 클래스의 활성화점수를 구한다. convolution layer : 3차원의 shape을 가진 이미지의 shape을 그대로 보존, 같은 depth를 가진 weight matrix 생성 1. CNN 의 구성 CNN 을 크게 보면 위와 같다. 특징추출영역 : Convolution layer , Pooling layer - Convolutiona layer : 입력데이터에 필터적용 + 활성.. 2020. 11. 8.
[19, 20일차] 그래프그리기 (matplotlib) ✔ 본 포스팅은 ICT COG Academy의 기본반 19, 20일차 강의를 정리한 내용입니다. 요약 막대그래프 : 도수분포표를 막대모양으로 시각화, 자료의 범주별 빈도를 요약해 나타낸 그래프 1. plt.bar(index, data) : 세로막대그래프, index는 X축, data의 array는 Y축 막대기 - bottom = data : data를 아래부터 쌓기 - height 또는 width = num : 막대그래프의 높이, 넓이 지정 2. plt.barh(index, data) : index는 Y축, data는 X축으로 수평하게 막대그래프 히스토그램 : 연속형 자료에 대한 도수분포표를 시각화한 그래프 : 연속형자료를 계급으로 나누어 계급별 도수(횟수, 개수)를 막대로 나타낸다 1. plt.hist.. 2020. 11. 6.
[18일차] matplotlib ✔ 본 포스팅은 ICT COG Academy의 기본반 18일차 강의를 정리한 내용입니다. 2020. 11. 4.
[cs231n] 4강. Backpropagation and Neural network ✔ 본 포스팅은 20/10/10 ~ 20/12/26 동안 진행하는 가짜연구소 딥러닝기초이론스터디를 통해 학습한 내용입니다. ✔ 본 포스팅은 스탠포드 대학의 cs231n 강의를 정리한 내용입니다. 지난 강의 복습 4강에서는 Backpropagation과 Neural network에 대해서 배운다. 지난 강의를 복습해보자면, 1. input data를 넣어 예측할 각 클래스의 score를 f(x; W) = Wx 라는 함수 (가중합이라고도 함)로 구한다. 2. 이 값을 SVM loss를 구하는식에 넣어 hinge loss를 구한다. 3. train data에 overfitting되는 것을 방지하기 위해 regularization 함수를 더해 최종 Loss를 구한다. 4. 이 Loss가 최소가 되는 parame.. 2020. 10. 31.
[14일차] 넘파이함수 넘파이 함수 1. np.zeros, np.ones, np.full, np.empty # np.empty 는 일단 값은 채우지 않고 행렬구조만 뼈대만 세워놓는거고, 안에는 아무수나 랜덤으로 채우는 것 2. 같은 행렬을 넘파이를 이용해 변환..! 3. np.linspace(start, stop, num) - 1차원 배열 그리기나 그래프그리기 시에 수평축 간격 생성에 도움이 된다. - 시작~끝수까지 num 만큼 수를 반환할건데 동일한 간격으로 나누자 2020. 10. 29.
[cs231n] 과제1. KNN classifiers KNN classifiers two_loops , one_loops , no_loops distances 정답코드는 많은데, X_train과 X_test 간의 distance를 구할 때 각각의 행렬의 배열이 어떻게 변하는지 초보인 나로서는 이해가 잘 가지 않았다. 쉬운 배열을 임의로 만들어서 정답코드의 distance를 구하는공식이 X_train과 X_test간의 원소들간의 계산에 어떻게 적용되는지 눈으로 확인해보았다. two_loops distances >>실제코드 >>쉽게 이해해보자 1. 먼저 가상의 train, test 샘플을 만든다. 실제 CIFAR10의 train 샘플은 (50000, 32, 32, 3) 차원으로 [50000장의 사진x (32x32 픽셀) x3개의 RGB채널] 로 이루어져있고, .. 2020. 10. 29.

티스토리툴바