1. semantic segmentation 한 이미지에 대해 픽셀단위로 어떤 class인지 파악 2. instancesegmentation 같은 class라 하더라도 다른 개체면 구분을 해야한다. bounding box는 regression / 연속적이기 때문에 iou < intersection of uninon 합집합 분의 교집합 hugging face

#하기 싫을 때 한 번 해주는게 가장 큰 성장의 발판이 된다. 이게 뭐라고 이글작성하는데 3시간걸렸다 1. Pandas 란? Pandas는 파이썬에서 사용하는 데이터분석 라이브러리로, 행과 열로 이루어진 데이터 객체를 만들어 다룰 수 있게 되며 보다 안정적으로 대용량의 데이터들을 처리하는데 매우 편리한 도구 입니다. 2.Pandas는 총 세 가지의 데이터 구조를 사용합니다. 시리즈(Series) 데이터프레임(DataFrame) 패널(Panel) 1) 시리즈(Series) 시리즈 클래스는 1차원 배열의 값(values)에 각 값에 대응되는 인덱스(index)를 부여할 수 있는 구조를 갖고 있습니다. sr = pd.Series([17000, 18000, 1000, 5000], index=["피자", "치킨"..

1. transfer learning transfer과 finetuning은 혼동될 수 있는 개념인 것 같습니다. 거의 transfer learning = finetuning으로 봐도 무방합니다. imagenet이라는 큰 데이터로 pretrain된 backbone을 이용해 feature map을 뽑아내고, 아래 4가지 처럼 fine tuning을 자신의 데이터셋에 맞게 fc layer만 다시 설계하는 겁니다! object detection이나 segmentation같이 vgg net의 CNN을 classification이 아닌 feature extraction으로만 쓰는 경우는 transfer learning이라고 하지는 않고 vgg net의 CNN을 backbone으로만 썼다고 합니다. 하지만 task..

220119 1. torch.autograd 자동 미분을 위한 함수들이 포함되어져 있습니다. 자동 미분의 on/off를 제어하는 콘텍스트 매니저(enable_grad/no_grad)나 자체 미분 가능 함수를 정의할 때 사용하는 기반 클래스인 'Function' 등이 포함되어져 있습니다. #가중치를 업데이트 하기 위해선 자동 미분을 해줘야겠죠잉~? 그걸 도와주는 것임 2. torch.nn 신경망을 구축하기 위한 다양한 데이터 구조나 레이어 등이 정의되어져 있습니다. 예를 들어 RNN, LSTM과 같은 레이어(layer), ReLU와 같은 활성화 함수(activation function), MSELoss와 같은 손실 함수(loss function)들이 있습니다. 3. torch.onnx ONNX(Open N..

Loss function(손실함수) 딥러닝의 목표는? 학습할 수 있는 최적의 가중치(weights)를 찾는 것이다. 신경망은 데이터를 그대로 학습한다. 즉, 신경망은 이미지에 포함된 중요한 특징까지도 기계가 합습한다. 이를 종간간 기계학습(End-To-End)라고 할 수 있다. 처음부터 끝까지 입력 데이터에서 목표한 축력 데이터를 사람의 개입 없이 얻을 수 있다. 신경망 학습에서 사용하는 지표는 손실함수(Loss Function)이다. 손실함수는 신경망 성능이 안 좋은 정도를 나타내며, 수치가 낮을수록 훈력 데이터를 잘 처리하는 것이다. 1. MSE MSE는 각 데이터의 차원에서의 원소의 출력 값과 정답 레이블의 차를 제곱한 후에 그 총합을 구하는 것이다. 2. RMSE MSE에 루트(√)를 씌운 것으로..

더보기 잠깐 파이썬 복습하기! (self, init 같은것들이 기억이 안난다) https://www.inflearn.com/questions/4642 https://velog.io/@magnoliarfsit/RePython-1.-self-%EC%9D%B4%ED%95%B4%ED%95%98%EA%B8%B0 1. init 인스턴스 생성시에 init 메서드를 호출한다. 이 __init__은 파이썬에서 클래스의 생성자를 만들때 항상 동일한 규칙입니다. __init__을 사용하면 클래스명을 쓰고 옆에 바로 인자들을 채워 넣음으로써 그 값들을 지닌 객체를 만들어 낼 수 있죠. 2. self 그리고 메서드의 첫 번째 인자는 항상 self여야 한다고 했습니다. 하지만 메서드의 첫 번째 인자가 항상 self여야 한다는 것..

1. 머신러닝 정해진 코드대로 업무를 수행 -> 기본적인 인공지능 주어진 데이터를 기반으로 패턴을 파악하여 학습 -> 머신러닝 -logistic regression -naive bayes -support vector machine 주어진 데이터를 바탕으로 학습하므로 데이터에 없는 정보는 활용할 수 없으며, 데이터를 기반으로 결론을 내리므로 데이터의 역할이 매우 중요합니다. - 머신러닝은 이런 질문에서부터 시작한다. 우리가 어떤것을 작동시키기 위해 '어떻게 명령할지 알고 있는 것' 이상으로 컴퓨터가 처리하는 것이 가능한가? 그리고 특정 작업을 수행하는 법을 스스로 학습할 수 있는가? 프로그래머가 직접 만든 데이터처리 규칙 대신 컴퓨터가 데이터를 보고 자동으로 이런 규칙을 학습할 수 있을까? - 지도학습 /..

" 망이 넓고, 깊을 수록 성능이 좋다." 구글넷은 이 점을 지적했음 깊고 넓은 네트워크 정말 좋기만 해 ? 1. 학습 시키는데 오래걸린다. -> 연산량이 많고, 파라메터가 많다. -파라메터 수를 어떻게 하면 줄일 수 있을까? A : 1x1 conv, Tensor factorization 1x1 conv : 여러개의 입력 feature가 있을 때, 채널 방향으로 연산을 하여서 filter의 개수만큼 output이 생성되어서 width와 height는 변하지 않음에도 채널의 크기를 filter의 개수만큼 자유롭게 변화시킬 수 있다. 이를 통해 채널 수를 줄일 수 있다면 당연히 파라미터 수도 줄겠죠. Tensor factorization : 행렬을 분해해 다른 행렬로 factorization 하는 경우 -연..

1. 컴퓨터가 보는 문자 컴퓨터는 보통 ASCII TABLE을 이용해 문자를 저장한다. 유니코드, UTF-8 encoding등으로 문자를 표현하고 저장한다 ( 한글은 유니코드 , UTF-8에 포함 ) ASCII는 8-bit으로 되어있어서 0~127까지 표현가능 2. 컴퓨터가 보는 단어 3. 4. 말뭉치 Corpus -특정 목적을 가진 언어의 표본, 분석의 용이성을 위해 형태소 분석이 포함되기도 한다. 언어학 연구에 쓰이는 확률/통계적인 자료이며, 딥러닝에도 유용하게 쓰인다 5. Word2Vec