CS231n\_전체자료CS231n_2강CS231n_slide
이번 포스팅은 standford university의 cs231 lecture 3를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다.💻 유튜브 강의: Loss Functions and Optimization📑 slide: PDFLoss functionM
이번 포스팅은 standford university의 cs231 lecture 4를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다.제가 직접 필기한 이미지 자료는 별도의 허락 없이 복사해서 다른 곳에 게시하는 행위를 금지 합니다. 사용하실 경우 댓글로 알
이번 포스팅은 standford university의 cs231 lecture 5를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다. 제가 직접 필기한 이미지 자료는 별도의 허락 없이 복사해서 다른 곳에 게시하는 행위를 금지 합니다. 사용하실 경우 댓
이번 포스팅은 standford university의 cs231 lecture 6를 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다. Reference 💻 유튜브 강의: Lecture 6 | Training Neural Networks I 💻 한
이번 포스팅은 standford university의 cs231 lecture 7을 공부하고, 강의와 슬라이드를 바탕으로 정리한 글임을 밝힙니다. Reference 💻 유튜브 강의: Lecture 7 | Training Neural Networks Ⅱ 💻 한글
CS231n 9강강의 슬라이드AlexNetVGGGoogLeNetResNetNiN (Network in Network)Wide ResNetResNeXTStochastic DepthDenseNetFractalNelSqueezeNetLeNet은 산업에 성공적으로 적용된 최초
CS231n 10강강의 슬라이드one to oneone to manymany to onemany to manymany to manyMachine Learning 관점에서 생각해보면 모델이 다양한 입력을 처리할 수 있도록 유연해질 필요가 있습니다. 그런 관점에서 RNN은