이미지는 array. 현실 세계에서는 파일로 저장하고, 파일마다 형식이 다르게 있음. 파일 형식에 따라 이미지를 다양한 값의 조합으로 구현함(확장자가 중요한 것은 아님) 파일을 불러와서 해석할 수 있어야 함 python opencv는 numpy 기본으로 CPU로 v
tf.data : ML에 필요한 데이터 및 HW도 보장해줌 pipeline : ML 전 과정을 흐름에 따라 만드는 것, data가 중요함에 따라 data 자체의 흐름을 나타낸 것을 data pipelines. 왜 data pieline이 중요할까? 갈수록 data가 중
numpy와 tensor와의 관계tensor : 호환성이 낮지만 gpu나 tensorflow 내부의 기능을 극대화 가능함numpy : 호환성이 좋지만 tensorflow 기능을 극대화 하지 못함. tensorflow 외 pytorch에서도 사용 가능함방법1 : 데이터셋
2016년 NIPS에서 Andrew Ng이 미래에는 Transfer learning이 훨씬 더 중요해질 것이라고 예언을 하였다. Transfer learning이 중요해진 이유는 더 짧은 시간에 적은 데이터의 양으로 학습을 진행할 수 있기 때문에 실무에서는 많이 쓰고
##복습 약 10년 전에는 sigmoid가 아주 유명했지만, gradient Vanishing 문제가 발생함에 따라서 대부분 ReLU를 사용하고 있습니다. 또한 가중치 초기화에 대해 배웠습니다. 가중치 초기화가 너무 작으면 activation이 사라지고, 너무 크게