# DL Basic

47개의 포스트

9. Generative Models 1

생성 모델을 학습한다는 것은 그럴듯한 이미지나 문장을 만드는 것으로 생각할 수 있다하지만 단순히 Generative model의 전부가 아니고 다양한 것을 할 수 있다.어떠한 강아지 이미지가 주어졌다고 가정했을 때아래는 generative model이 했으면 하는 혹은

2022년 5월 11일
·
0개의 댓글
·

8. Sequential Models - Transformer

문장은 항상 길이가 달라질 수 있으며 어순이나 바뀌거나 단어가 빠지는 문제들이 있기 때문에 모델링하기가 어렵다.이러한 문제들을 해결하고자 Transformer self attention이라는 구조를 사용한다RNN은 재귀적인 구조인데, transform은 재귀적인 구조가

2022년 5월 11일
·
0개의 댓글
·

7. Sequential Model

sqeuntial data를 처리하는데 있어서 가장 큰 어려움은 우리가 결국 얻고 싶은 것은 하나의 label 혹은 정보인데, sequential data는 길이를 알 수 없으므로, 받아들여야 하는 입력의 차원을 알 수 없는 것이다. input의 입력을 알 수 없으므로

2022년 5월 11일
·
0개의 댓글
·

6. Computer Vision Applications

이전에 배웠던 ResNet, DensNet, GoogleNet 등 이러한 네트워크가 이미지 분류만에만 사용되지 않고, Semantic Segmentation 과 Object Detection 에도 사용되었다.Semantic Segmentation이미지 안의 모든 객체를

2022년 5월 11일
·
0개의 댓글
·

5. Modern CNN - 1x1 convolution의 중요성

AlexNet그 당시에 GPU가 부족했기 때문에, 최대한 파라미터를 집어넣기 위해 네트워크를 두 개로 나누어서 사용11 x 11 filter를 사용하게 되면 하나의 하나의 conv kernel이 볼 수 있는 영역은 커지지만 상대적으로 더 많은 파라미터가 필요가 되기 때

2022년 5월 11일
·
0개의 댓글
·

4. CNN-Convolution

ConvolutionPadding과, Stride 를 고려하지 않은 기본적인 Convolution적용하는 Filter의 모양에 따라 convolution output이 Blur, 강조하거나(emboss), 외곽선(outline)만 나타낼 수 있다RGB Image Co

2022년 5월 11일
·
0개의 댓글
·

3. Optimization

최적화를 진행하면서 여러가지 용어가 등장하는데, 정확하게 정의를 짚고 넘어가지 않으면 여러 오해가 생길 수 있다.이번 강의에서는 여러 용어들에 대해서 명확한 의미를 이해하고 넘어가는 것이 중요!Generalization일반화 성능을 높이는 것이 목적학습을 시키게 되면

2022년 5월 11일
·
0개의 댓글
·

2. Neural Networks - MLP

인공신경망도 시작은 인간의 뇌를 모방하여 신경망의 형태를 나타내었지만, 꼭 항상 사람이나 동물의 뇌를 모방할 필요는 없다.지금의 딥러닝 혹은 인공신경망이 ‘인간의 뇌를 모방하기 때문에 잘 작동한다’ 라는 해석보다는 이 모델이 왜 잘 작동하는지 수학적으로 분석하는 것이

2022년 5월 11일
·
0개의 댓글
·

Generative Models 2

[부스트캠프 AI Tech] DL Basic 10강 Generative Models 2

2022년 3월 20일
·
0개의 댓글
·

Generative Models 1

[부스트캠프 AI Tech] DL Basic 09강 Generative Models 1

2022년 3월 13일
·
0개의 댓글
·

Sequential Models - Transformer

[부스트캠프 AI Tech] DL Basic 08강 Sequential Models - Transformer

2022년 2월 20일
·
0개의 댓글
·

Sequential Models - RNN

[부스트캠프 AI Tech] DL Basic 07강 Sequential Models - RNN

2022년 2월 20일
·
0개의 댓글
·

[부스트캠프 AI-Tech] 4주차 Day 5

nn.Linear(prev_hdim, hdim, bias=True) : Linear layernn.ReLU(True) : 활성화 함수nn.Dropout2d(p=0.5) : dropout (p = 노드를 얼마나 활용 안할지)model.forward(x_torch) = m

2022년 2월 17일
·
0개의 댓글
·

[부스트캠프 AI-Tech] 4주차 Day 3

Generative modelGeneration: 단순 생성하는 모델 (implicit model)Density estimation: 이상 탐지, 입력이 주어졌을 때 확률값을 얻어내는 모델 (explicit model)Unsupervised representation

2022년 2월 16일
·
0개의 댓글
·

[부스트캠프 AI-Tech] 4주차 Day 2

Convolution두 개의 함수를 잘 섞어주는 것2D ConvolutionRGB ConvolutionCNNconvolution layer, pooling layer, fully connected layer로 구성strideconvolution 필터를 얼마나 자주 찍을

2022년 2월 16일
·
0개의 댓글
·

[부스트캠프 AI-Tech] 4주차 Day 1

Deep Learning 핵심 요소Data (모델 학습에 필요한)해결할 문제에 따라 변한다.Model (데이터를 변환할)Loss (모델의 오차를 수량화하는)loss function → 근사치MSE, MLE, Cross-entropy 등..Algorithm (loss를

2022년 2월 16일
·
0개의 댓글
·

Computer Vision Applications

[부스트캠프 AI Tech] DL Basic 06강 Computer Vision Applications

2022년 2월 13일
·
0개의 댓글
·

Modern CNN

[부스트캠프 AI Tech] DL Basic 05강 Modern CNN - 1x1 convolution의 중요성

2022년 2월 13일
·
0개의 댓글
·

DL Convolution

[부스트캠프 AI Tech] DL Basic 04강 Convolution은 무엇인가?

2022년 2월 13일
·
0개의 댓글
·

Optimization

[부스트캠프 AI Tech] DL Basic 03강 Optimization

2022년 2월 13일
·
0개의 댓글
·