딥러닝

학교 축제와 3차전공시험이 있었던 바빴던 지난 한주가 끝나고 이번주부터 본격적으로 딥러닝과 머신러닝을 공부하고자 합니다. 케글데이터를 뒤져보다가 음성신호를 통해 각 감정들을 분류하는 알고리즘을 구현한 코드가 있었습니다. 딥러닝을 통해 이 발화자가 어떤 감정인지를 알아맞

직접 수작업으로 은닉층을 구성해서 cnn을 구성하는 방법도 있지만 오늘은 대표 cnn아키텍처 몇개를 가져왔습니다. Alexnet

mobilenet모델 하나를 이번에도 분석해 보았다. mobilenet의 특징 경량화 네트워크 스마트폰, 자율주행자동차 같이 제한된 하드웨어 환경에서 따로 경량화를 시키지 않아도 딥러닝 어플리케이션에다가 적용할 수 있다. 경량화를 시켜도 성능이 좋고 정확도, 낮은

전체 데이터 중 일부만 레이블 정보가 있는 상황에서 unlabeled 데이터를 함께 활용해서 학습하는 방법이다. 전체 데이터 N개중 일부 M개만 레이블 정보가 존재한다고 가정하고 레이블이 있는 데이터를 활용해서 각각 클래스를 분류하되 레이블이 없는 데이터도 학습과정에서

이번주에는 controlnet에 관련해서 논문을 읽고 리뷰해보았다. controlnet의 특징 사전학습된 large text-to-image diffusion model 파라미터를 복사하고 encoding layer를 재사용하여 다양한 conditioning을 추가

너희 강아지가 세계 방방곡곡을 여행 할 수 있을까?너가 최고로 아끼는 가방이 파리에 있는 최고급 showroom에 전시될 수 있을까?너가 키우는 앵무새가 만화책의 주인공이 될 수 있을까?최근 계속해서 발전하고 있는 large text to image model은 전례없