Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
Tags
- 자바스크립트 비동기
- 커널제거
- brew 권한
- tcp
- 인공지능
- Git
- pagerank
- 머신러닝
- recommender
- image restoration
- 프라미스
- 딥러닝
- 메세지인증코드
- 러스트
- react-cookie
- 협업필터링
- 비동기 프로그래밍
- Readme image
- 키분배 알고리즘
- 인페인팅
- 파이썬
- feynman's restaurant
- 페이지랭크
- 컴퓨터 보안 키분배
- Hits
- rust
- 파인만의 식당문제
- cs231n
- computer vision
- 커널생성
Archives
- Today
- Total
목록loss f unction (1)
Worth spreading
cs231n (2017) - lecture3 _ 1 (Loss function)
안녕하세요! 지난 시간에 뉴럴넷을 만들기 위한 첫번째 레고블럭인 선형분류기(linear classifier)를 배웠습니다. 선형분류기는 '파라미터적 접근법(parametric approach)'을 이용한다고 했습니다. 학습데이터를 summarize한 값을 파라미터(W) 값에 반영시킨다고 했죠. 우리의 선형분류기는 매우 심플했습니다. [32x32x3] 크기의 이미지를 입력받아서 한줄로 된 행렬(혹은 벡터)로 쭈욱 펴줬습니다( [32x32x3] -> [3072 x 1] )그리고 W([10 x 3072])를 기다란 벡터([3072x1]) dot product해서 각 클래스의 점수에 해당하는 10개의 숫자(score)가 나오도록 만들었습니다.그리고 여기서 나온 숫자들은 각 카테고리가 정답이 될 확률을 나타낸다고..
카테고리 없음
2017. 11. 22. 17:43