dive into deep learning

데이터의 중요한 2가지 (i) 데이터 획득, (ii) 데이터 처리 데이터 처리에서 중요한 MXNet의 ndarray와 PyTorch 와 TensorFlow의 Tensor Tensor는 differentiation 지원 NumPy는 CPU에서 지원되지만, Tensro c

3.1 Linear Regression 회귀 문제는 일반적으로 수치를 예측할 때 사용한다. 특정 범주에 속하는 분류 문제에도 사용할 수 있다. 예를 들어, 주택 가격을 예측하는 모델을 개발한다고 하면 우선 데이터 셋이 있어야 한다. 이런 데이터 셋을 training

@Tommy Kim regression 문제는 하나의 label에 대해 얼마나 많은가?와 같은 연속적인 값을 예측하는 문제이다. 하지만, 현실 세계의 supervised learning 문제는 회귀 문제 말고도 ‘분류’ 문제도 존재한다. 분류 문제는 얼마나 많은가?가

@Tommy Kim 우리는 이전의 내용들을 통해 하나의 output을 만들기 위해 하나의 affine function(편향을 포함한 선형 조합)이 필요함을 배웠다. 하지만, 단순한 하나의 선형 조합으로 output을 만들어 내는 것은 완벽하지 않다.선형 모델은 단조성(

@Tommy Kim 앞선 내용들을 보면 단일 출력을 가진 선형 모델 중 하나의 뉴런은 일련의 입력을 받고, 해당하는 스칼라 출력을 생성하며, 목표 함수를 최적화하기 위해 업데이트 될 수 있는 일련의 관련 매개변수를 가진다. 이는 여러 출력을 가진 네트워크도 벡터화 연산

@Seoyoon.J 고양이와 개를 구별하기 위해 one-mega 픽셀(1million pixels) 이미지를 수집했다 가정하면, 이는 네트워크에 대한 입력이 백만 개의 차원을 갖는다는 것을 의미한다. 은닉층의 차원을 1000으로 확 줄이려면 $10^6 \\times