DeepLearning/MachineLearning
1.[class weight] multi-output model에 적용하는 방법
일반적으로 단일 출력단을 갖는 모델일 때는, 각 class에 대해 label이 one-hot encoding 되어있든, integer-encoding 되어있든 다음과 같이 dict 형태로 class_weight를 작성한 다음 fit함수 안에 넣어주면 된다. 출처: ht
2.[tensorflow metrics] tf.keras.metrics.TopKCategoricalAccuracy 의미
TopKCategoricalAccuracy 란? 찾아보게 된 동기 왜 쓰는가? 1. 의미 2. 특징 3. CategoricalAccuracy와의 차이점 *categorical_accuracy와 CategoricalAccuracy의 차이점
3.딥러닝/머신러닝 면접 질문 리스트
요즘 Sigmoid 보다 ReLU를 많이 쓰는데 그 이유는?Non-Linearity라는 말의 의미와 그 필요성은?ReLU로 어떻게 곡선 함수를 근사하나?ReLU의 문제점은?Bias는 왜 있는걸까?Gradient Descent에 대해서 쉽게 설명한다면?왜 꼭 Gradie
4.multi / binary classification 에 따른 loss, accuracy metric 선택
https://medium.com/deep-learning-with-keras/which-activation-loss-functions-part-a-e16f5ad6d82a정리하기
5.[VS code Error 모음]
그 이후부터는 가능
6.[Segmentation] FCN : Fully Convolutional Networks for Semantic Segmentation
FCN은 이미지 분류에서 우수한 성능을 보인 CNN 기반 모델(AlexNet, VGG16, GoogLeNet)을Semantic Segmentation Task를 수행할 수 있도록 변형시킨 모델.
7.[Segmentation] Image Segmentation
바운딩 박스(Bounding box)로 검출된 물체들을 나타내는 객체검출(Object detection)과는 다르게 이미지 분할(Image segmentation)은 픽셀의 분류(Classification) 문제이다.네트워크가 입력 이미지 안의 모든 픽셀을 (지정된 개
8.Fully Connected Layer (FCL, 완전 연결 계층)
"완전 연결되었다"는 뜻은 한 층(layer)의 모든 뉴런이 그 다음 층(layer)의 모든 뉴런과 연결된 상태를 말한다. 1차원 배열의 형태로 평탄화된 행렬을 통해 이미지를 "분류"하는데 사용되는 계층이다. Fully connected layer를 Dense laye
9.[Segmentation] Upsamping의 다양한 방법
: Dense layer를 그대로 늘려 빈 구역에 채워넣는 방식.이름 그대로 scale을 키우는데, 키운 위치에서 원본에서 가장 가까운 값을 그대로 적용함. 원래 2x2 matrix가 있을 때 이를 2배로 키워 4x4 size의 matrix를 만들어 주려고 하는데, 늘