# cs231n
[ DeepML-CS231n ] Lec. 07 Training Neural Networks - II
Optimization Problem with SGD What if loss changes quickly in one direction and slowly in another? Local minima or plateau or saddle point: zero gradi
[ DeepML-CS231n ] Lec. 6 Training Neural Network - I
OK, Let's get started! Mini-batch SGD Loop: Sample a batch of data Forword prop it through the graph(network), get loss Backprop to calculate the gra
[ DeepML-CS231n ] Lec.05 Convolutional neural network
CNN 은 왜 유명해졌을까? 시각 정보 자극으로 인한 시각 중추 활성화 명암 대비 변화 -> 움직임 -> 모서리 추적 > Refs. Gradient-based learning applied to document recognition, LeCun and others,
[ DeepML-CS231n ] Lec. 4 Backpropagation and Neural Networks
Computational graphs + Gradient 변수 x 에 대한 함수 F(x,y,z) 의 변화량을 알아보고싶다 -> 편미분 노드 사이의 관계식(연결성)을 가지고 있기때문에, 끝에서부터 단계별로 변화량을 계산 하면 전체에 대한 연산을 수행할 수 있다 Loca
[CS231n] Lecture 4 : Introduction to Neural Networks
image지난 시간에 저희는 loss function과 optimization에 대해서 배웠습니다. 그리고 최적의 weight를 찾기 위해서 우리는 편미분을 통해 gradient를 구해야 한다는 점도 배웠습니다. gradient를 구하는 방식은 Numerical gra
Stanford University CS231n - Lecture 1 :: Introduction
본 Velog는 Stanford CS231n 강의와 강의자료를 통해 공부하고 정리를 한 내용입니다. 이 강의에서의 CS231n은 Computer vision에 관한것이라고 볼 수 있음Computer Vision : Study of Visual DataVisual Dat
[CS231n] Lecture 3 : Loss Functions and Optimization
사진 1지난 2강에서는 Linear Classifier가 어떤 방식으로 작동하고 score를 뽑는지에 대해서 배웠습니다. 이 때 W, 가중치가 사용된다는 점도 확인했습니다. 그러나 중요한 점은 이 가중치가 이미지 분류를 제대로 해낼 수 있는지를 평가해야한다는 점입니다.
CS231n Lecture2 | Image Classification
Computer Vision의 main task 는 우리가 고양이를 보여줬을 때, 컴퓨터가 고양이라고 인식하는 지이다.우리 눈으로는 고양이가 뭘 하든, 어떻게 보든 고양이로 보이겠지만, 컴퓨터는 해당 이미지를 픽셀 값의 모음으로 밖에 보지 못한다.컴퓨터가 겪는 여러가지
[CS231n] Lecture 2 : Image Classification pipeline
Image Classification? Image Classification란 시스템이 입력 이미지를 받으면 미리 저장되어 있던 카테고리에서 어떤 카테고리에 속할지 결정하는 것을 의미합니다. 우리에겐 굉장히 쉬운 일이지만 컴퓨터에게는 쉬운 일이 아닙니다. > imag
[CS231n] Lecture1 : Introduction
사진 1출처 : CS231n 강의자료최근 센서의 증가로 시각적 데이터들이 엄청나게 쏟아지고 있습니다. 이러한 시각적 데이터를 컴퓨터가 이해하고 분석할 수 있도록 알고리즘을 개발하는 연구를 컴퓨터 비전이라고 합니다. 컴퓨터 비전은 다양한 분야와 연결되어 있고, 여러 분야
