ml_framework (42) 썸네일형 리스트형 layer class 수정 학습을 수행하는 fit 함수의 수정, 정해진 배치 크기나 배치의 개수가 있을 수 있다. 이후 레이어의 순환, 레이어의 종류에 따라 임의의 가중치를 생성한다. # Dense 층의 경우 if(layer_type == 'Dense'): # 가중치의 임의 생성, 입력 데이터의 크기와 은닉 노드의 개수에 따라 가중치가 생성된다. current_layer['weight'] = np.random.rand(data.shape[0], layer.get('hidden_node')) #편향값의 임의 생성, 동일한 편향 값을 사용한다. current_layer['bias'] = np.random.rand(1) self.dense.train(current_layer, data) data = current_layer.get('h.. Cnn 정리 (cnn class) cnn_layer (합성곱 층) cnn 관련 정보들의 저장, 딕셔너리 파일 형태로 되어있다. # cnn 층의 정보 def cnn_layer(self, filter_size, filter_count = 1, activation = "relu", padding = "same", stride = 1, input_shape = [1, 1, 1]): cnn_dict = dict() cnn_dict['layer_type'] = "cnn" cnn_dict['filter_size'] = filter_size cnn_dict['filter_count'] = filter_count cnn_dict['activation'] = activation cnn_dict['padding'] = padding cnn_dict['str.. cnn_weight update(2) 2023.05.25 - [ml_framework] - cnn_weight update (cal_weight_diff) cnn_weight update (cal_weight_diff) 계산한 delta 값과 입력 데이터와의 연산을 통한 가중치 업데이트량 계산, 입력 데이터에 대해 입력 데이터의 각 차원별 데이터와 행렬 형태의 가중치의 행들과의 연산을 통한 연산, 입력 데이터 teach-meaning.tistory.com 가중치 행렬의 각 행별 가중치 변화량에 대한 결과의 변화량을 구했고 이와 함께 delta 값과의 연산을 통해 가중치 변화량에 대한 비용 함수의 변화량을 계산할 수 있다. 계산한 가중치 변화량과 delta 값과의 연산을 통해 가중치 변화량에 대한 비용 함수의 변화량 계산 # 가중치 변화량에 .. cnn_weight update (cal_weight_diff) 계산한 delta 값과 입력 데이터와의 연산을 통한 가중치 업데이트량 계산, 입력 데이터에 대해 입력 데이터의 각 차원별 데이터와 행렬 형태의 가중치의 행들과의 연산을 통한 연산, 입력 데이터에서 각각의 가중치 영역에 해당하는 부분을 추출하는 것, 6, 6 입력 데이터의 4, 4 가중치의 경우 입력 데이터의 해당 영역 부분의 합이 가중치 변화량에 대한 결과의 변화량일 것, 가중치 행렬의 각 행은 동일한 값을 가진다. 각 행의 가중치 변화량 계산 # 가중치 변화량 계산 # 입력 차원에 대한 반복 for input_dimension in range(input_data.shape[0]): # input data 에 가중치 필터 영역이 지나가며 각 가중치에 해당하는 영역이 가중치 변화량이 된다. weight_u.. 이전 1 2 3 4 ··· 11 다음
