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 | 31 |
Tags
- 검증 평가 지표
- 브라이틱스 서포터즈
- 파이썬 내장 그래프
- Deep Learning for Computer Vision
- michigan university deep learning for computer vision
- 브라이틱스 프로젝트
- paper review
- 삼성 SDS
- 삼성 SDS 서포터즈
- 범주형 변수 처리
- Brightics EDA
- 브라이틱스 분석
- Activation Function
- 데이터 분석
- Brightics AI
- 딥러닝
- 비전공자를 위한 데이터 분석
- 분석 툴
- Brigthics Studio
- Random Forest
- Brightics 서포터즈
- 브라이틱스 AI
- 파이썬 SQL 연동
- 서포터즈 촬영
- pymysql
- Brightics studio
- 머신러닝
- 데이터 분석 플랫폼
- Python
- 브라이틱스 스태킹
Archives
- Today
- Total
목록Multiclass SVM Loss (1)
하마가 분석하마
3강. Linear Classifiers
Michigan University의 'Deep Learning for Computer Vision' 강의를 듣고 정리한 내용입니다. Linear Classifiers Linear Classifiers 가중치 w에 대한 학습과 이미지 x의 픽셀 사이를 곱한 행렬 벡터가 되는 간단한 형태를 갖는 분류기이다. 이미지를 하나의 긴 벡터로 늘려 공간 구조를 모두 무너뜨려 CIFAR10 데이터의 경우, 입력 이미지의 모든 데이터를 3072(32x32x3) 개의 요소가 있는 긴 벡터로 재구성한다. (3072는 이미지의 픽셀 수를 의미한다.) 가중치 행렬의 경우에는 (10,3072)의 2차원 형태의 행렬이 되며 여기서 10은 10개의 CIFAR10 데이터가 10개의 범주로 구성되기 때문이다. 위 행렬 벡터 곱셈을 수..
Deep learning/Michigan university deep learning
2022. 1. 9. 20:48