questionet

이미지 출처 jalammar.github.io/visual-numpy/ numpy에서 dim, axis, rank, shape, size 의 의미 1. size 는 총 element의 개수를 뜻한다. 2. dim 은 텐서가 존재하는 축의 개수를 뜻한다. 여기서 축이란, 1차원 벡터, 2차원 행렬, 3차원,...,n차원 텐서에서의 각 1, 2, n을 말한다. 위의 넘파이 배열 b와 그것을 시각화한 그림을 보면 1차원 벡터가 총 8개 있고 [1,2] [3,4] [5,6] [7,8] >>> dim1 [1,2] [3,4] 와 [5,6] [7,8] 을 묶어 2차원 행렬 2개를 만든 후 [[1,2] , [3,4]] [[5,6] , [7,8]] >>> dim2 각 행렬이 3차원 상에 배열된다. [ [[1,2] , [..

1 학습 방법을 바꿀 때(하이퍼 파라미터 튜닝) 2 교차 검증 (cross validation)이 필요할 경우 * 튜닝해야할 하이퍼 파라미터가 많을 때 사용한다. *검증 셋을 바꿔 여러번 검증해서 그 평균값으로 성능을 정의한다. *평균이 낮더라도 안정적인 결과를 내는 게 더 좋은 모델일 수 있다. 3 학습을 중단하는 시점을 정할 때 (에포크를 몇으로 할 건지 = 훈련셋을 몇번 반복해서 학습할 건지) * 초기에는 에포크가 높을수록 검증셋의 평가결과도 좋다? * 학습이 덜 된 상태(언더피팅 상태)에서는 에포크를 늘려서 학습을 더 시키면 더 좋은 성능을 볼 수 있다. 4 주의사항 * 교차검증은 계산량이 많아서 데이터 수가 많지 않을 때 사용한다. (딥러닝에선 잘 쓰지 않음) * 교차 검증시엔 검증셋을 바꿀 때..

1. image classification algolithm 의 핵심. data-driven approach에 기반한 image classification 카테고리를 나눠서 데이터마다 레이블을 붙이는 것. 이렇게 레이블 된 데이터들을 가지고 training set 을 만든 다음 훈련을 거쳐 새로운 이미지를 던져줬을 때 우리가 맞혀주길 바라는 레이블을 내놓게 하는게 image classification algolithm 의 핵심. 이제 문제는 어떻게 훈련을 시키느냐 하는 것이다. 어떤 알고리즘을 써서 분류하게 할 것이냐. 2. NN과 KNN의 핵심 첫번째로 NN (Nearest Neighbor) 알고리즘의 경우를 생각해보자. NN의 유사도 함수는 두 이미지의 각 픽셀들의 차이를 구해서 합한다음 그 값이 적..

Summary image classification is a fundamental building block of different algorithms like object detection (draw boxes around the objects), image captioning the example of the process of image classification 1 input : image (like a cat) 2 algorithm : perform image classification (giving category label to objects and images) 3 output : image is categorized (cat labeled) what exactly computer do? ..

https://www.youtube.com/playlist?list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r (첨부된 이미지 및 강의 내용 출처) Deep Learning for Computer Vision Computer Vision has become ubiquitous in our society, with applications in search, image understanding, apps, mapping, medicine, drones, and self-driving car... www.youtube.com Summary what is AI? making machines do things that people normally do cf) there are types of ..