# DeepLearning

dkswldp95

tensorflow v1과 v2의 가장 큰 차이는 모델링 단계(computational graph)와 실행단계(execution)이 서로 나누어져 있는지(v1), 서로 구분이 없는지(v2)여부이다.아나콘다에서 가상환경을 만들어 파이썬 3.6 으로 v1을 썼고 버전 체크

y30n9ju1v

1. software 저장소를 daum으로 변경 S/W 업데이트 및 설치시 빠른 네트워크 속도로 파일을 받아 오기 위해 저장소 위치를 daum으로 변경합니다. 변경 후 소스 리스트를 업데이트 및 패키지를 업그레이드 합니다. > $ sudo apt update > $

karma-os

CNN benchmark 1: Alexnet

stella_y

학습된 deeplearning 모델에 feature 를 입력하면 output 을 얻어낼 수 있다.그런데 deeplearning 모델 자체만으로는, 무엇때문에, 구체적으로 어떤 feature 때문에 그런 output 이 나왔는지, 그 이유를 알기 힘들다.이것에 대한 해답

deep_lini

머신러닝, 딥러닝을 공부 하는 코린이입니다.

offsujin

딥러닝을 활용한 자연어 처리 기술 실습 내용 정리

dkswldp95

제가 정리하고 싶은 것만 공부하면서 모은 게시글입니다.🙏 TIL 2021.09.20 start! 01. 교차 엔트로피 오차

shinhodu

튜토리얼-환경 설정 및 예제 출저: https://lynnshin.tistory.com/47 https://lynnshin.tistory.com/48 아키텍처 분석 출저: https://ropiens.tistory.com/44 용어 정리 YOLO network의 세

yms9654

Everybody Dance의 경우 위 그림처럼 2D skeleton 포즈 정보를 사용함.논문에 OpenPose 사용한다고 나옴.학습은 위 그림처럼 비디오와 포즈 사이에 연관성을 파악하고 그걸 바탕으로 포즈 정보에서 비디오를 생성한다.Human Motion Trans

yms9654

https://www.secmem.org/blog/2020/01/17/gradcam/많은 Image Classification 모델들은 여러 층의 Conv layer를 거친 후, Fully-connected layer를 통해서 classification을 진행

yms9654

Appearance Transfer and Novel View Synthesishttps://arxiv.org/pdf/1909.12224.pdf우리는 human motion imitation, appearance transfer, 그리고 view synthes

yms9654

https://arxiv.org/pdf/1808.07371.pdfInput : Source Video, Target VideoOutput : Target Person with Source Motion Video이 논문은 "do as I do" 라고 하는 mot

dkswldp95

제가 정리하고 싶은 것만 공부하면서 모은 게시글입니다.🙏 TIL 2021.09.14 start! 1. 신경망의 중요한 성질 단층 퍼셉트론은 가중치 설정을 사람이 수동으로 하지만, 신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 능력을 가지고

dkswldp95

나중에 기억하기 어려울거 같은 것만 복습차 정리한 게시글😅퍼셉트론은 신경망(딥러닝)의 기원이 되는 알고리즘,다수의 신호를 입력으로 받아 하나의 신호를 출력합니다. (흐른다1/ 안흐른다0)신호 → 뉴런 → 각각의 고유한 가중치가 곱해짐신호의 총합이 임계값(한계)를 넘어

dkswldp95

제가 정리하고 싶은 것만 공부하면서 모은 게시글입니다.🙏💛2차 행렬(곱셈, 덧셈 하는법)💛삼각함수 그래프 참고자료💛이미지 불러오기

0525stone

모델에서 대표하는 식에 대한 직관적인 이해가 필요하다.RNN의 기본식에 대해서 먼저 대략적인 이해가 필요하다. \- 식1 : $h{t}=tanh(W{hh}h{t-1}+W{xh}x{t})$, 식2 : $y{t}=W{hy}h{t}$ \- 식1의 경우 W, h 와의

dkswldp95

석사 1학년 2학기가 시작되었습니다. 다시 벨로그에 복습용 TIL을 적고자 합니다. 피드백은 언제든 환영합니다.🙏1) 인공지능기계(컴퓨터)가 사람처럼 행동, 앤런 튜링의 정의에 따르면 사용자가 사람의 응답인지 컴퓨터의 응답인지 구분하지 못하면 인공 지능.cf. 적용분

wo7864

StyleGAN은 PGGAN(Progressive Growing GAN)을 베이스 아키텍처로 몇가지의 기법을 추가로 적용하여 제안된 모델입니다. PGGAN을 토대로 구성되었기 때문에 1024 해상도의 고화질 이미지를 생성 할 수 있습니다.생성 이미지의 특성이 매우 잘

wo7864

PGGAN 이전의 GAN은 고해상도의 이미지를 생성 할 수 없었습니다.→ 해상도가 높아 질 수록 Discriminator가 가짜와 진짜를 구분하기 쉬워집니다.→ Generated distribution과 Real distribution 사이에 겹치는 구간이 거의 없어지

wo7864

이름 그대로 점진적으로 학습 이미지의 크기를 늘려 나가는 GAN 모델입니다.아래 그림처럼 초기에 4x4 크기의 이미지를 생성하고 판별하는 Generator와 Discriminator를 지정한 Epcoh만큼 학습 한 후, 2배인 8x8 크기의 Layer를 추가하여 생성하