시리즈

cs231n

1.1. Introduction

포유류의 시각적 처리 메커니즘에 대해 연구우리 눈에 보이는 사물들을 기하학적 모양으로 단순화 Vision 책 ➡️ 컴퓨터 비전이 어떤 방식으로 발전해야 하는지Input Image가 들어왔을 때 이미지의 특징들을 추출하고, 특징에 따라 depth와 surface를 추출

2022년 3월 7일

2.2. Image Classification

Image Classification은 컴퓨터 비전의 core taskinput image(ex. cat)pre-determined categories/labels (ex.{dog, cat, truck, palne, ...})사람에게 이 과정은 매우 쉽지만 컴퓨터에게는

2022년 3월 14일

3.실습1-1. K-Nearest Neighbor classifier

공식사이트) https://cs231n.github.io/assignments2020/assignment1/https://cs231n.github.io/assignments/2021/assignment1_colab.zip위의 링크를 통해 Starter

2022년 3월 16일

4.3. Loss Functions & Optimization

첫 번째 cat example을 보면 스코어가 cat보다 car가 더 높은 것을 볼 수 있다. ➡️ bad세 번째 frog exmaple을 보면 스코어가 cat, car보다 낮고 음수인 값이 나온 것을 볼 수 있다. ➡️ bady에 이 케이스가 얼마나 나쁜지 값을 저장

2022년 3월 16일

5.4. Backpropagation and Neural Networks

📌 발표 자료 키포인트 📌 Review 간단히 (Optimization, Gradient Descent) Computational graphs 흐름 loss function input, parameter Gradient 간략한 설명 matrix

2022년 3월 27일

6.5. Convolutional Neural Networks

1957년 Frank Rosenblatt가 Mark I Perceptron machine을 개발최초의 퍼셉트론 기계1960년 Widrow와 Hoff가 Adaline and Madaline 개발최초의 Multilayer Perceptron Network1986년 Rume

2022년 4월 4일

7.6. Training Neural Networks, Part 1

http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture6.pdfhttps://inhovation97.tistory.com/23One time setupactivation functionspreproce

2022년 4월 8일

8.7. Training Neural Networks Ⅱ

우리는 지난시간에 6개의 activation function을 배웠다. 이중에서 Sigmoid와 ReLU만 다시 봐보자!Sigmoid는 과거에 유명했지만 Vanishing Gradients의 문제점 때문에 이제는 잘 쓰지 않는다.이제는 ReLU를 쓰는 것이 가장 좋은

2022년 4월 28일