분류 전체보기328 [딥러닝 파이토치 교과서] 5장 합성곱 신경망 Ⅰ https://colab.research.google.com/drive/1uB-7ckV-Mrh0Zfugv9OIm7QuM_j2OLg5?usp=sharing [딥러닝 파이토치 교과서] chapter 05 합성곱 신경망.ipynb Colaboratory notebook colab.research.google.com 1️⃣ 합성곱 신경망 🔹 합성곱 층의 필요성 🌠 연산량 감소 • 이미지 전체를 한 번에 계산하는 것이 아닌, 국소적인 부분을 계산함으로써 시간과 자원을 절약하고 이미지의 세밀한 부분까지 분석할 수 있는 신경망 🌠 이미지/영상 처리에 유용한 구조 • 1차원 벡터로 펼쳐서 가중치로 계산하지 않고, 이미지 데이터의 공간적 구조 (예. 3x3) 를 유지하기 위해 합성곱층이 존재한다. • 다차원 배열 데이터.. 2022. 10. 6. [딥러닝 파이토치 교과서] 4장 딥러닝 시작 https://colab.research.google.com/drive/1j9ghqmP-QboSbipZ7LjzbRrpTq4Mhqo8?usp=sharing [딥러닝 파이토치 교과서] chapter 04 딥러닝 시작.ipynb Colaboratory notebook colab.research.google.com 1️⃣ 인공 신경망의 한계와 딥러닝 출현 🔹 XOR 비선형 문제 🌠 퍼셉트론 • 선형 분류기로 딥러닝의 기원이 되는 알고리즘 • 다수의 신호를 입력으로 받아 하나의 신호 (1 또는 0 : 흐른다/안흐른다) 를 출력 🌠 논리 게이트 • OR 과 AND 게이트는 데이터가 선형적으로 분리된다. • XOR 게이트는 베타적 논리합 구조 (입력 두개 중 한개만 1일 때 작동하는 논리연산) 를 가지고 있는데, 이.. 2022. 10. 4. Pytorch Geometric Basic code 📌 아래 블로그의 코드와 Pytorch Geometric 라이브러리 설명을 참고해 공부했습니다. https://baeseongsu.github.io/posts/pytorch-geometric-introduction/ 예제를 통해 알아보는 PyTorch Geometric 5 Basic Concepts 다음 글은 PyTorch Geometric 라이브러리 설명서에 있는 Introduction by Example 를 참고하여 작성했습니다. baeseongsu.github.io https://pytorch-geometric.readthedocs.io/en/latest/notes/introduction.html# Introduction by Example — pytorch_geometric documentatio.. 2022. 9. 30. [딥러닝 파이토치 교과서] 2장 실습 환경 설정과 파이토치 기초 ✅ 파이토치 기초 https://colab.research.google.com/drive/1ki4W3rwTExhmZp5E-Ic81ab2NMe8iRHB?usp=sharing [딥러닝 파이토치 교과서] chapter 02 파이토치 기초.ipynb Colaboratory notebook colab.research.google.com 1️⃣ 파이토치 개요 🔹 특징 및 장점 ∘ 연산을 위한 라이브러리 → 딥러닝 프레임워크로 발전 ∘ GPU 에서 텐서 조작 및 동적 신경망 구축이 가능한 프레임워크 ✔ GPU : 연산을 빠르게 하는 역할, 내부적으로 CUDA, cuDNN 같은 API 를 통해 연산 가능 ✔ 텐서 : 파이토치의 데이터 형태로, 다차원 행렬 구조를 가진다. .cuda() 를 사용해 GPU 연산을 수행할 .. 2022. 9. 23. [딥러닝 파이토치 교과서] 1장 머신러닝과 딥러닝 ✅ 머신러닝과 딥러닝 1️⃣ 인공지능, 머신러닝과 딥러닝 ◇ 인공지능 : '인간의 지능을 모방' 하여 사람이 하는 일을 기계가 할 수 있도록 하는 기술 ◇ 인공지능 > 머신러닝 > 딥러닝 ∘ 머신러닝 : 인공신경망, 서포트 벡터 머신, 결정 트리 ∙∙∙ ∘ 딥러닝 : CNN, RNN, RBM ∙∙∙ ✔ https://koreapy.tistory.com/1223 : RBM 설명 참고 ◇ 머신러닝과 딥러닝의 차이 ∘ 머신러닝 : Input > 특성 추출 (인간이 처리) > 분류 (컴퓨터가 처리) > output ∘ 딥러닝 : Input > 특성 추출 + 분류 (컴퓨터가 처리) > output ∘ 데이터에 대한 특징을 스스로 처리하는지의 여부에 따라 딥러닝과 머신러닝이 구분된다. ✔ feature extrac.. 2022. 9. 22. 9월 둘째주 신문읽기 1️⃣ 시사 ◯ 유엔 해양생물다양성보전협약 • 최근 바다 생태계가 점차 파괴되고 있는 문제를 해결하고자 회의를 개최 • 21만종이 넘는 해양생물이 바다에 살고 있기 때문에 해양생물 다양성을 지키는 것이 중요하다. • 현재 전체 바다의 1.2% 만 보호되고 있는 것에서 30%를 보호구역으로 정하자는 내용이 주 • 미국 등 선진국의 책임회피와 러시아의 협약 불협조로 인해 의견을 모으기가 어려운 상황 ◯ 미∙중 회계갈등 해소 • 미국 증시에 상장한 중국 기업에 관한 회계 감독권을 두고 10년 동안 분쟁을 이어왔음 • 중국은 국가 주권의 침해와 안보위협을 이유로 완강히 거부해왔으나 상장을 포기하는 경우 1조원의 손실이 발생하여 결국 회계법인 조사에 합의했다. ◯ 미국 인플레이션법 논란 • 인플레이션 감축법 IR.. 2022. 9. 16. [Pytorch 딥러닝 입문] 파이토치 기초 📌 공부 참고 자료 : https://wikidocs.net/book/2788 PyTorch로 시작하는 딥 러닝 입문 이 책은 딥 러닝 프레임워크 PyTorch를 사용하여 딥 러닝에 입문하는 것을 목표로 합니다. 이 책은 2019년에 작성된 책으로 비영리적 목적으로 작성되어 출판 ... wikidocs.net 📌 코딩 실습 https://colab.research.google.com/drive/11uzhksM-MYSf1_YcMzrOnEL6glhu1OiL?usp=sharing 파이토치로 시작하는 딥러닝 입문.ipynb Colaboratory notebook colab.research.google.com ✅ 파이토치 기초 1️⃣ 파이토치 패키지 기본 구성 ◇ torch : 넘파이와 유사한 구조를 가지며 다양.. 2022. 9. 14. [자료구조] DFS/BFS 1️⃣ 자료구조 기초 🐾 탐색 Search | 많은 양의 데이터 중 원하는 데이터를 찾는 과정 | 그래프, 트리 등의 자료구조 안에서 탐색을 하는 문제를 주로 다룬다. | 대표적인 탐색 알고리즘 : DFS, BFS | 탐색 알고리즘 원리를 이해하기 위해 스택, 큐, 재귀함수에 대한 이해가 필요하다. 🐾 자료구조 Data Structure | 데이터를 표현하고 관리하고 처리하기 위한 구조를 의미한다. | 스택과 큐는 자료구조의 기초 개념으로 다음의 두 함수와 두가지 고려 사항으로 구성된다. • 삽입 Push : 데이터를 삽입한다. • 삭제 Pop : 데이터를 삭제한다. • 오버플로 : 자료구조가 수용할 수 있는 데이터의 크기를 초과한 상태에서 삽입 연산을 수용할 때 발생 • 언더플로 : 자료구조에 데이터가.. 2022. 9. 2. [자료구조] 구현 🚩 구현 | 머리속에 있는 알고리즘을 정확하고 빠르게 프로그램으로 작성하기 | 풀이를 떠올리는 것은 쉽지만 소스코드로 옮기기 어려운 문제 🐾 완전 탐색 | 모든 경우의 수를 주저 없이 다 계산하는 해결 방법 🐾 시뮬레이션 | 문제에서 제시한 알고리즘을 한 단계씩 차례대로 직접 수행해야 하는 문제 유형 🐾 구현시 고려해야 할 메모리 제약 사항 | 변수 유형 • 파이썬에서 실수형 변수는 유효 숫자에 따라 연산 결과가 원하는 값이 나올 수 있지 않다는 점을 기억하자 | 리스트 크기 - 메모리 제한 • 일반적인 코딩테스트 수준에서는 메모리 사용량 제한보다 더 적은 크기의 메모리를 사용해야 한다는 점만 기억하도록 하자 1️⃣ 실전 유형 문제 : 상하좌우 | 일련의 명령에 따라 개체를 차례대로 이동 시킴 → 시뮬레.. 2022. 9. 2. [자료구조] 그리디 🚩 그리디 | 현재 상황에서 가장 좋아보이는 것만을 선택하는 알고리즘 | 현재 선택이 나중에 미칠 영향에 대해서는 고려하지 않는 알고리즘 🐾 그리디 알고리즘 문제는 주로 정렬 알고리즘과 짝을 이루어 출제된다. 🐾 기초 파이썬 연산자 기억하기 / : 나누기 % : 나머지 // : 몫 ** : 거듭제곱 | 그리디 알고리즘이 모든 알고리즘 문제에 적용 가능한 것은 아니다. 그리디 알고리즘은 '최적의 해' 를 찾을 수 없을 가능성이 높지만, 탐욕적으로 문제에 접근했을 때 정확한 답을 찾을 수 있다는 보장이 있다면 매우 효과적이고 직관적으로 적용할 수 있는 방법이다. | 그리디 알고리즘 문제에서는 문제 풀이를 위한 최소한의 아이디어를 생각하고, 그의 정당성을 검토해야 답을 도출할 수 있다. 1️⃣ 실전 유형 문제.. 2022. 9. 2. 이전 1 ··· 21 22 23 24 25 26 27 ··· 33 다음 728x90
