딥러닝

📌 객체 탐지 모델을 공부하다 논문에 Smooth L1 Loss가 자주 나와서 정리해보려 합니다. 하는 김에 L1 loss와 L2 loss도 같이 정리해보겠습니다. 이 손실 함수는 예측값과 실제값 간의 절대적 차이를 계산합니다. L1 Loss는 각 샘플의 예측값과 실

📌 최근에 파이토치를 사용하여 논문 리뷰에서 배운 내용을 구현해보았습니다. MNIST나 CIFAR-10 등 파이토치에서 제공하는 데이터셋은 이미 훈련 데이터와 테스트 데이터로 나누어져 있어 따로 분리할 필요가 없었습니다. 그러나 대부분의 경우, 데이터셋을 직접 수집하

최근 딥러닝 모델은 극도로 복잡하고 거대한 파라미터를 갖는 경향이 있습니다. 이러한 대규모 모델(예: 수십, 수백 개의 레이어를 갖는 DNN, 초거대 언어모델 등)은 뛰어난 성능을 보여주지만, 실제 서비스 환경에서 바로 적용하기 어렵습니다. 서비스 환경에서는 추론