부스트캠프 1주차 정리

딥러닝에서는 Numpy, Tensor, DataFrame을 통해 데이터를 조작

zeros_like을 통해 0으로 구성된 행렬을 반환받을 수 있는데, 해당 행렬을 이용하여 이미지 등을 마스킹 할 수 있음

L1 노름(맨해튼 거리)은 구성 성분의 절대값의 합을, l2노름(유클리드 거리)은 구성 성분의 제곱의 합을 구한 뒤 제곱근을 통해 구함 Linf 노름은 구성 성분의 절댓값 중 가장 큰 값을 구함

feature와 weight를 통해 계산하는 신경망에서 가장 중요한 원리로, 행렬곱의 원리와 여러 예시에 대해 배웠고, 파이토치 환경에서 이를 적용하는 법에 대해 학습함

이미지에 단위행렬을 shift한 행렬을 행렬곱해줌으로써 대칭이동과 평행이동 구현 가능

선형 회귀에서는 MSE를, 로지스틱 회귀에서는 BCE를 Loss Function으로 사용

일반적으로 딥러닝 프로젝트를 구성할 때, Dataset을 상속받은 CustomDataset 클래스로 Dataset을 불러오고, DataLoader클래스로 배치 사이즈만큼 불러와 각 배치 사이즈에 대해 학습을 진행함