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 |
Tags
- Faster R-CNN
- SVM 이란
- yolov3
- RCNN
- 논문분석
- 서포트벡터머신이란
- darknet
- CNN
- Deep Learning
- SVM hard margin
- computervision
- yolo
- libtorch
- Computer Vision
- svdd
- pytorch c++
- pytorch
- Object Detection
- TCP
- DeepLearning
- cs231n lecture5
- support vector machine 리뷰
- pytorch project
- fast r-cnn
- SVM margin
- EfficientNet
- 데이터 전처리
- CS231n
- self-supervision
- cnn 역사
Archives
- Today
- Total
목록Relu (1)
아롱이 탐험대

지난 시간에 이어서 lecture 5를 살펴보자 우선 수업을 시작하기 전 실전에서 train을 어떻게 하는지에 대해 설명을 하였다. CNN을 train하려면 가장 필요한 건 막대한 데이터이다. 하지만 이 데이터들을 구하기도 힘들도 구했다 해도 train과 test 하는데 오랜 시간과 비용이 필요하다. 따라서 tensor flow, pytorch 같은 deep learning 모듈에서는 기본적인 finetuning 된 학습된 파라미터를 제공한다. (github이나 다른 사이트에서도 찾기 쉽다.) 따라서 우리가 가진 데이터는 너무 적은데, 우선 image net이라는 open data 웹사이트에 접속하여 image net data를 기반으로 학습을 시킨다. 그 후 우리가 가지고 있는 소량의 데이터로 fine..
study/cs231n
2020. 4. 13. 10:52