밑바닥부터 시작하는 딥러닝

클래스 개발자가 직접 클래스를 정의하면 독자적인 자료형을 만들 수 있다. 그리고 클래스만의 전용 함수와 속성을 정의할 수 있다. \init 함수 클래스를 초기화하는 방법을 정의한다. 생성자라고 불리며, 클래스의 인스턴스가 만들어질 때 한 번만 불린다. 함수의

퍼셉트론 퍼셉트론은 신경망(딥러닝)의 기원이 되는 알고리즘으로 다수의 신호를 입력 받아 하나의 신호를 출력한다. Figure-1 위 그림은 입력으로 2개의 신호를 받는 퍼셉트론의 예이다. $x1$과 $x2$는 입력 신호, $y$는 출력 신호, $w1$과 $w2$는 가중

신경망 신경망 예 입력층을 0층, 은닉층을 1층, 출력층을 2층이라 한다. 은닉층은 입력층이나 출력층과 달리 사람 눈에 보이지 않는다. 활성화 함수 활성화 함수(activation function): 입력 신호의 총합을 출력 신호로 변환하는 함수. 입력 신호의 총합이

데이터에서 학습 데이터에서 학습한다. = 가중치 매개변수의 값을 데이터를 보고 자동으로 결정한다. 데이터 주도 학습 데이터에서 답을 찾고 데이터에서 패턴을 발견하고 데이터로 이야길르 만드는 것이 기계학습이다. 훈련 데이터와 시험 데이터 일반적으로 기계학습 문제는 데

오차 역전파법: 수치 미분으로 구하면 오래걸리는 매개변수의 기울기를 효율적으로 계산한다.계산 과정을 그래프로 나타낸 것. 시각적으로 이해하기 좋다.계산 그래프를 이용한 문제풀이 흐름계산 그래프를 구성한다.그래프에서 계산을 왼쪽에서 오른쪽으로 진행한다.(순전파(forwa

밑바닥부터 시작하는 딥러닝 깃허브: https://github.com/WegraLee/deep-learning-from-scratch 매개변수 갱신

밑바닥부터 시작하는 딥러닝 깃허브: https://github.com/WegraLee/deep-learning-from-scratch