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 | 31 |
Tags
- 코딩테스트
- Score-CAM
- 설명가능한
- Machine Learning
- xai
- grad-cam
- Interpretability
- 기계학습
- AI
- 딥러닝
- Class activation map
- meta-learning
- python
- SmoothGrad
- Unsupervised learning
- GAN
- 메타러닝
- 시계열 분석
- Artificial Intelligence
- Cam
- cs231n
- 머신러닝
- 설명가능한 인공지능
- Deep learning
- 코딩 테스트
- keras
- coding test
- 백준
- Explainable AI
- 인공지능
Archives
- Today
- Total
목록evaluation (1)
iMTE
Neural Networks Part 3: Learning and Evaluation
Reference:http://cs231n.github.io/neural-networks-3/http://aikorea.org/cs231n/neural-networks-2-kr/(이번 section 내용은 100 % 번역이 위의 주소에 잘 되어 있다.) Learning이전 sections에서는 layer를 쌓고, layer의 units을 준비할지 (network connectivity), 데이터를 어떻게 준비하고, 어떤 손실 함수 (loss function)을 선택할지에 대해서 다루었다. 본 section에서는 parameter를 학습하고 좋은 hyper-parameter를 찾는 과정에서 다룰 예정이다. Gradient checksNumerical 방법으로 계산한 gradient과 Analytic 방법으..
Deep learning study/CS231n
2019. 3. 2. 13:21