Page 15.
-
Conv2d layer를 겹겹이 쌓을 때 최종 output volume 계산법
이번 포스팅에서는 torch 를 이용하여 CNN(Convolution Neural Network) 에서 convolution layer를 겹겹이 쌓았을 때 최종 output volume size를 구하는 방법에 대하여 알아 보겠습니다.
-
Anaconda를 활용한 python 가상환경(virtual env) 설정하기
이번 포스팅에서는 Python을 활용하여 개발 / 혹은 jupyter notebook을 사용할 때 필수인 가상환경 (Virtual Environment) 설정하는 법에 대한 팁과 간단한 강좌를 공유해 드리도록 하겠습니다.
-
Google Colaboratory에 대한 간단 팁과 활용법
이번 포스팅에서는 Google Colaboratory (colab)을 활용하여 jupyter notebook을 구글 플랫폼 내에서 활용하는 방법에 대하여 팁을 드리도록 하겠습니다.
-
Tensorflow를 활용하여 Mnist data classification을 CNN으로 구현
이번 포스팅에서는 Google Tensorflow의 웹사이트의 Demo에 나와 있는 가이드라인에 따라, tensorflow 라이브러리를 활용하여 구현해 보도록 하겠습니다.
-
Pandas와 scikit-learn으로 정말 간단한 pre-processing 몇 가지 팁
캐글 (Kaggle) 의 Titanic: Machine Learning from Disaster 의 train 데이터를 활용해 간단한 시각화 및 빠진 데이터 pre-processing 그리고 간단한 Normalization까지 해보도록 하겠습니다. Train 데이터는 윗 줄의 링크에서 Data탭에서...
-
Machine Learning - Single Layer NN과 Multi Layer NN으로 XOR문제 다뤄보기
Single-Layer Neural Network 에서 풀 수 없는 문제인 XOR Problem을 Tensorflow를 활용하여 Multi-Layer Neural Network로 구현해 보도록 하겠다.
-
Python 과 Tensorflow로 Mnist 글자인식 구현하기
이번 포스팅에서는 Mnist 데이터를 땡파이썬으로 구현해봄과 동시에 Tensorflow 를 활용하여 구현해 보겠다.
-
Deep Learning - Softmax 함수란
인공신경망에서 출력층의 정규화를 위한 함수인 소프트맥스(softmax)함수에 대하여 알아보겠다.
-
Numpy로 One-hot Encoding 쉽게 하기
머신러닝(machine-learning)에서 dataset을 돌리기 전에 one-hot encoding을 해야하는 경우가 많다.
-
Simple Gradient Descent on predicting Boston Housing
SImple Gradient Descent implementations Examples