케라스창시자에게배우는딥러닝2 [케라스 창시자에게 배우는 딥러닝 2판] 6일차 (8장) 8장 합성곱 신경망 소개 간단한 컨브넷 만들기 질문?! 왜 input에 샘플데이터 갯수는 포함되지 않는가?? → batch_size에 따라 변해서 제외함 input.layer에 []대괄호가 있는이유?? → 데이터 타입이 tensor이어서 합성곱 연산 필터 윈도우 커널 같은 말이다 컨브넷의 두 가지 성질 학습 패턴은 평행 이동 불변성을 가진다: 왼쪽 위에서 모서리를 발견한 패턴은 오른쪽 아래에서도 같은 패턴을 파악한다. 패턴의 공간적 계층 구조를 학습할 수 있다: 합성곱층을 거칠수록 더 큰 패턴을 학습시킴 합성곱 연산은 특성 맵에 적용된다. 특성 맵은 높이, 너미, 깊이(색깔 채널 RGB) 3가지 축을 기본으로 한다. 입력 텐서와 특성 맵의 합성곱을 통해 출력 특성 맵을 만든다. 출력 특성 맵의 최종 sh.. 2023. 7. 7. [케라스 창시자에게 배우는 딥러닝 2판] 3일차(5장) 5장: 머신 러닝의 기본 요소 5.1 일반화: 머신 러닝의 목표 머신러닝의 근본적인 이슈는 최적화와 일반화이다. 최적화란? 가능한 훈련 데이터에서 최고의 성능을 얻으려고 모델을 조정하는 것 일반화란? 훈련된 모델이 이전에 본 적 없는 데이터에서 얼마나 잘 수행되는지 만약 훈련이 너무 잘 맞으면 과대적합이 되고 일반화 성능이 나빠짐 과대적합은? 데이터에 잡음이 있거나, 불확실성이 존재하거나 드문 특성이 포함되어 있을 때 특히 발생할 가능성이 높다. 잡음 섞긴 훈련 데이터: 이상치에 맞추려면 일반화 성능이 안좋아짐 불확실성: 객관적인 경계가 없고 동일한 측정값에도 다른 결과값이 나오는 현상 드문 특성: 특성이 모델에 유익한지 또는 모델을 혼란스럽게 만드는지 확실하지 않다면 훈련 전에 특성 선택 수행. 특성과.. 2023. 5. 31. 이전 1 다음
