implement_ml_models (94) 썸네일형 리스트형 implement_CNN(MLP 전 까지) 2023.03.09 - [분류 전체보기] - implement_CNN(수정) implement_CNN(수정) 2023.03.09 - [분류 전체보기] - implement_CNN(same_padding) def same_padding_cnn(self, input, filter_size, filter_count): # 각 필터별 연산 결과를 저장할 리스트 filter_result_arr = [] # 데이터 크기 지정 self.data_size = input.shap teach-meaning.tistory.com cnn = CNN() cnn.same_padding_cnn(input, 7, 64) cnn.pooling(2) cnn.layer_cnn(3, 128) cnn.pooling(2) cnn.layer_c.. implement_CNN(수정) 2023.03.09 - [분류 전체보기] - implement_CNN(same_padding) def same_padding_cnn(self, input, filter_size, filter_count): # 각 필터별 연산 결과를 저장할 리스트 filter_result_arr = [] # 데이터 크기 지정 self.data_size = input.shape[0] # 입력 받은 필터의 개수만큼 반복 for i in range(filter_count): # 필터 크기에 맞는 임의의 가중치 생성 weight = np.random.random(filter_size * filter_size).reshape(filter_size, filter_size) self.cnn_weight.append(weight) # .. implement_CNN(same_padding) 2023.03.07 - [분류 전체보기] - implement_CNN(pooling) implement_CNN(pooling)2023.03.07 - [분류 전체보기] - implement_CNN(start) implement_CNN(start) 시각 피질 안의 뉴런들이 작은 국부 수용장을 가진다. 이는 뉴런들이 시야의 일부 버위 안에 있는 시각 자극에만 반응한다는 뜻이다. teach-meaning.tistory.com입력 데이터와 동일한 크기의 합성곱을 수행하는 same_padding 구현 def same_padding_cnn(self, input, filter_size, filter_count): # 입력 받은 필터의 개수만큼 반복 for i in range(filter_count): # 필터 크기에 .. implement_CNN(pooling) 2023.03.07 - [분류 전체보기] - implement_CNN(start) implement_CNN(start) 시각 피질 안의 뉴런들이 작은 국부 수용장을 가진다. 이는 뉴런들이 시야의 일부 버위 안에 있는 시각 자극에만 반응한다는 뜻이다. 각 뉴런들은 동일한 수용장을 가지지만 다른 각도의 선분에 teach-meaning.tistory.com 풀링 연산의 구현 class POOLING: pad = PADDING() pool_result = [] def max_pooling(self, input, pooling_size): """ input : 입력 데이터 pooling_size : pooling size """ pooling_matrix = self.pad.padding(input, input... implement_CNN(start) 시각 피질 안의 뉴런들이 작은 국부 수용장을 가진다. 이는 뉴런들이 시야의 일부 버위 안에 있는 시각 자극에만 반응한다는 뜻이다. 각 뉴런들은 동일한 수용장을 가지지만 다른 각도의 선분에 반응, 어떤 뉴런은 큰 수용장을 가져, 저수준 패턴이 조합된 더 복잡한 패턴에 반응한다. 고수준 뉴런이 이웃한 저수준 뉴런의 출력에 기반한다는 아이디어, 이러한 구조가 전체 시야 영역에 포함된 모든 종류의 복잡한 패턴을 감지할 수 있게 한다. 합성곱 층 수용장 안의 픽셀에만 연결된다. class CNN: # 필터의 개수만큼 가중치가 존재 cnn_weight = [] # 가중치 연산 결과 cnn_result = [] def cal_cnn(self, input, target, filter_size, filter_count).. implement_RNN (vector-to-sequence) 오류 수정 2023.03.05 - [분류 전체보기] - implement_RNN (vector-to-sequence) 문제 해결 implement_RNN (vector-to-sequence) 문제 해결 2023.03.05 - [분류 전체보기] - implement_RNN (vector-to-sequence) 2개의 가중치, bias 값 추가 implement_RNN (vector-to-sequence) 2개의 가중치, bias 값 추가 2023.03.02 - [분류 전체보기] - implement_RNN (vector-to-sequence) 2개의 teach-meaning.tistory.com RNN 계산 과정, #초기 학습, 임의의 가중치가 생성된다. def delta_to_sequence_cal_rnn_test.. implement_RNN (vector-to-sequence) 문제 해결 2023.03.05 - [분류 전체보기] - implement_RNN (vector-to-sequence) 2개의 가중치, bias 값 추가 implement_RNN (vector-to-sequence) 2개의 가중치, bias 값 추가 2023.03.02 - [분류 전체보기] - implement_RNN (vector-to-sequence) 2개의 가중치\ implement_RNN (vector-to-sequence) 2개의 가중치 2023.03.02 - [분류 전체보기] - implement_RNN (vector-to-sequence, delta3) implement_RNN (vector-to-sequenc teach-meaning.tistory.com 예측 값이 일정 수준 값에만 수렴하는 모습을 확.. implement_RNN (vector-to-sequence) 2개의 가중치, bias 값 추가 2023.03.02 - [분류 전체보기] - implement_RNN (vector-to-sequence) 2개의 가중치\ implement_RNN (vector-to-sequence) 2개의 가중치 2023.03.02 - [분류 전체보기] - implement_RNN (vector-to-sequence, delta3) implement_RNN (vector-to-sequence, delta3) 2023.03.02 - [분류 전체보기] - implement_RNN (vector-to-sequence, delta2) implement_RNN (vector-to-sequence, delta2) 2023.02.27 teach-meaning.tistory.com 비용 함수가 수렴하는 학습 횟수는 감소했지만, 일.. 이전 1 2 3 4 5 6 ··· 12 다음
