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
- 파이썬 내장 그래프
- 브라이틱스 프로젝트
- 삼성 SDS 서포터즈
- michigan university deep learning for computer vision
- 범주형 변수 처리
- Brigthics Studio
- 머신러닝
- 딥러닝
- Random Forest
- 데이터 분석
- 서포터즈 촬영
- Activation Function
- 브라이틱스 분석
- pymysql
- Brightics 서포터즈
- 브라이틱스 서포터즈
- paper review
- Brightics EDA
- Python
- 데이터 분석 플랫폼
- Deep Learning for Computer Vision
- 삼성 SDS
- 파이썬 SQL 연동
- Brightics studio
- 브라이틱스 스태킹
- 브라이틱스 AI
- 비전공자를 위한 데이터 분석
- 검증 평가 지표
- 분석 툴
- Brightics AI
Archives
- Today
- Total
목록역전파 계산법 (1)
하마가 분석하마
6강. Backpropagation
Michigan University의 'Deep Learning for Computer Vision' 강의를 듣고 정리한 내용입니다. Backpropagation How to compute gradients? W1, W2에 대한 gradient = loss를 w1, w2의함수로 보고 각각에 대해 편미분한다. 1. gradient 값 직접 구하기 시간과 종이가 많이 든다. loss 값을 바꾸면 다시 처음부터 다시 계산해야 함 복잡한 모델에는 적합하지 않음 2. Computational Graph를 통해 구하기 계산 그래프를 보고 gradient 구하기 Backpropagation Simple Example Downstream gradients는 Local gradients와 Upstream gradient..
Deep learning/Michigan university deep learning
2022. 1. 24. 12:13