cs231n
1.[강의 듣기 전에!]CS231n Lecture 3. Loss function and Optimization 내용 정리
parameter를 Loss function을 통해 update하는 optimization 과정을 이해합니다.Gradient descent 과정을 개괄적으로 이해합니다.Loss function( - Multiclass SVM Loss( - Regularizati
2021년 10월 18일
2.[CS231n] Lecture 2. Image Classification 요약 정리
Data-Driven Approach로 image classification을 진행하게 된 배경을 이해합니다.이미지를 어떻게 비교 및 분류하는지 알아보고, KNN(K-Nearest Neighbor)에 관하여 이해합니다.이미지를 분류하는 Linear 한 모델에 관하여 가
2021년 11월 9일
3.[CS231n] Lecture 12. Visualizing and Understanding 일부 요약 정리
시각화를 통해 CNN의 feature를 이해하는 방법론들을 activation과 gradient의 관점에서 알아본다.이미지 Style을 변형시키는 방법에 대해 알아본다.Deepdream(2. Feature Inversion(3. Texture Synthesis( -
2021년 11월 9일
4.[CS231n]Lecture 7. SGD와 Momentum, Adagrad, RMSProp, Adam
local minimum 이나 saddle point에서 멈출 수 있다.velocity 개념을 도입하여, gradient가 0이 되어도 velocity에 의해 local minimum으로부터 벗어날 수 있게 한다.Momentum 방식에서는 이동 벡터 vt 를 계산할 때
2021년 11월 19일