데이터 꿈나무

필터의 수에 따라서, 원하는 채널 수로 변경할 수 있다. 채널 정보를 요약할 때 유용하다. 채널 수를 갑자기 크게 줄어드는 것은 문제가 될 수 있다. (정보 손실) 따라서, 요약 후에 다시 늘리는 방법도 존재한다.

마지막 부분(빨간색) 에 '1960 units'를 하나의 벡터(row 벡터)로 핀 후에, Neural Network에 넣어준다. 그리고 이것은 softmax의 입력으로 들어가게 된다. 📌 Tip ! 모델이 깊어질 수록, 채널의 수는 증가하고, 요약된 이미지 크기(height, weight)는 줄어들게 하면 학습이 잘 이루어 진다. Neural Network example Max Pooling을 사용하는 이유는 필요 이상의 해상도 일 때, 필요하지 않은 해상도를 버리기 위해 사용한다. 필요하지 않은 해상도까지 사용하게 되면, 연산이 복잡해진다. 따라서, 연산량을 줄이고 그림의 크기를 줄이고자 사용한다.

입력과 출력(정답)이 '근사하다' 라는 정확한 수학적 척도가 필요하다. ➡️ Loss / Cost 성능이 좋은 layer의 깊이, 크기(뉴런 수)를 정하는 방법은 하이퍼파라미터를 조절해가면서 적당한 파라미터(w,b)를 찾아줘야 한다. 모델의 크기가 크면 표현력은 높아지지만, 연산량도 높아진다. 따라서, 정답을 찾아가는 과정이 어려워진다. 이상적으로, cost functions가 0이 되는 값을 찾아가는 것이 좋다. 📌 Gradient

Feed Forward Networks는 입력층, 은닉층, 출력층으로 구선된 신경망 모델이다. 각 층의 뉴런은 활성화 함수를 통해 입력 신호를 처리하고, 가중치와 편향(b)를 학습하여 입력과 출력 사이의 복잡한 비선형 관계를 모델링 한다. (+입력 데이터가 출력층까지 진행되는 동안 중간 과정에서 다양한 특징을 추출할 수 있다.) 📌 퍼셉트론 bias는 추정된 파라미터가 실제 파라미터와 다른 정도를 나타내는 스칼라 값이다. 모델의 파라미터 (세타)를 추정했을 때, bias 값이 크다면 추정된 파라미터가 실제 파라미터와는 상당히 멀리 떨어져 있음을 나타낸다. bias 값이 작은 경우가 실제 파라미터 값과 비슷할 것이고, 대체적으로 bias=0인 경우가 좋다.

행렬의 합은 두 개의 차원이 같아야 계산이 가능하다. 행렬곱은 내적의 모음이다.

각 원소들은 모두 실수로 이루어져 있다. 벡터를 transpose하면 column은 row 벡터가 되고, row는 column 벡터가 된다.

Bias • Bias(편향)는 예측값과 실제값의 차이이다. • 즉, Bias(편향)가 크다는 것은, 예측값과 실제값의 차이가 크다는 것이며, 이는 과소적합을 의미한다. Variance • Variance(분산)는 입력에 따른 예측값의 변동성을 의미한다. • 즉, Variance(분산)가 크다는 것은, 입력에 따른 예측값의 변동성이 크다는 것이며, 이는 과대적합을 의미한다. Trade-off • Trade-off는 시소처럼 한쪽이 올라가면 한쪽이 내려가는 관계를 의미한다. Q. 머신러닝에서 Bias 와 Variance 가 무엇이라고 생각하나요? A. Bias 은 예측값과 정답의 차이의 정도이고 Variance 은 예측값끼리의 차이의 정도입니다. Q. 머신러닝에서 Bias 와 Variance 가 어떤 의미를..

def calculate_n(dataset): # R,G,B 채널에 대한 각각의 평균 산출 mean_ = np.array([np.mean(x.numpy(), axis = (1, 2)) for x, _ in dataset]) # 전체 R,G,B의 평균 mean_r = mean_[:, 0].mean() mean_g = mean_[:, 1].mean() mean_b = mean_[:, 2].mean() # R,G,B 채널에 대한 각각의 표준편차 산출 std_ = np.array([np.std(x.numpy(), axis = (1, 2)) for x, _ in dataset]) # 전체 R,G,B의 표준편차 std_r = std_[:, 0].std() std_g = std_[:, 1].std() std_b = ..

안녕하세요~ 이번 포스팅은 InI파일을 읽어와 파일 안에 원하는 텍스트가 있는지 확인하고, 있으면 ‘y’ 없으면 ‘n’를 출력하도록(리스트에 정보를 담도록) 하는 작업을 진행해볼거예요..! 지난 포스팅 코드에서 일부를 추가한 작업이니, 아래 글을 참고해주세요😊 https://risingdata.tistory.com/67 [Python_ts3] cv2 모듈 이미지 띄우고 키 값 리스트에 저장하기(cv2.imread, cv2.waitKey) 안녕하세요~ 이번에는 cv2 모듈을 통해 이미지를 띄우고, 사용자가 누르는 키 값을 리스트에 저장하는 task를 해보려고 해요. os모듈과 반복문을 통해 라벨링된 초음파 이미지 데이터를 창에 띄우 risingdata.tistory.com 우선 아래 코드까지는 저번 포스팅..

안녕하세요~ 이번에는 cv2 모듈을 통해 이미지를 띄우고, 사용자가 누르는 키 값을 리스트에 저장하는 task를 해보려고 해요. os모듈과 반복문을 통해 라벨링된 초음파 이미지 데이터를 창에 띄우면서, 라벨링이 제대로 된 데이터(이미지)인지 확인하기 위한 자동화 툴을 구현해볼거예요. 이미지를 자동으로 창에 띄우면서 제가 'yes'나 'no'를 누르며 이 이미지의 라벨링이 잘 되었는지 저장해주는 코드인거죠..! 빈 리스트에 'yes'나 'no'값을 저장해나갈거랍니다.😊 데이터는 아래와 같이 생겼는데요, 왼쪽은 라벨링이 잘 된 상태, 오른쪽은 라벨링이 잘 되지 않은 상태입니다. os모듈에 대한 포스팅은 이전 포스팅에서 진행했었는데요, 사용법을 참고하고 싶으시면 아래 글을 확인해주세요 :) https://ri..