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 |
Tags
- 머신러닝
- 딥러닝
- Machine Learning
- Interpretability
- 설명가능한
- grad-cam
- Unsupervised learning
- xai
- Explainable AI
- 메타러닝
- coding test
- 인공지능
- meta-learning
- 코딩 테스트
- cs231n
- 설명가능한 인공지능
- 백준
- 기계학습
- GAN
- 코딩테스트
- Deep learning
- Cam
- Artificial Intelligence
- keras
- Score-CAM
- 시계열 분석
- SmoothGrad
- AI
- python
- Class activation map
Archives
- Today
- Total
목록image processing (1)
iMTE
Convolutional Neural Networks: Architectures, Convolution / Pooling Layers
Reference:http://cs231n.github.io/convolutional-networks/http://aikorea.org/cs231n/convolutional-networks/ ConvNetConvNet은 앞에서 다룬 일반 neural networks (feed forward라는 점에서 비슷하다.)과 유사하다. Weight과 bias로 구성되며, 각 neuron은 input을 받아 dot product를 한 뒤에 non-linear 연산을 진행한다. ConvNet은 마지막 레이어에 loss function을 갖고 있으며, 일반 neural networks 학습시킬 때 사용하던 각 종 기법을 동일하게 적용할 수 있다. Architecture overviewNeural networks는 vec..
Deep learning study/CS231n
2019. 3. 2. 16:42