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
- pytorch zero to all
- TensorFlow
- MFC 프로그래밍
- pytorch
- 미디언 필터링
- c++
- 딥러닝
- 케라스 정리
- 골빈해커
- 해리스 코너 검출
- 팀프로젝트
- 파이토치 강의 정리
- 모두의 딥러닝 예제
- object detection
- 컴퓨터 비전
- 김성훈 교수님 PyTorch
- c언어 정리
- c언어
- C언어 공부
- tensorflow 예제
- 딥러닝 공부
- 딥러닝 스터디
- 영상처리
- 모두의 딥러닝
- 가우시안 필터링
- Pytorch Lecture
- 파이토치
- c++공부
- 파이토치 김성훈 교수님 강의 정리
- matlab 영상처리
Archives
- Today
- Total
목록케라스 잔차연결 (1)
ComputerVision Jack
[케라스 Chapter7정리]
케라스 함수형 API 케라스의 함수형 API(Functional API)를 사용해서 그래프 구조를 띤 모델을 만들거나 하나의 층을 다른 입력에 같이 사용하고, 케라스 모델을 함수처럼 사용할 수 있다. 함수형 API가 필요한 이유 기존 Sequential모델은 네트워크의 입력과 출력이 하나이다. 하지만 최근의 개발되는 많은 신경망 구조는 선형적이지 않은 네트워크 토폴로지가 필요하다. 비순환 유향 그래프와 같은 구조를 띈다. [인셉션 모듈] - 비순환 유향 그래프의 예제. 입력이 나란히 놓인 여러개의 합성곱 층을 거쳐 하나의 텐서로 합쳐진다. 최근에 잔차 연결을 추가하기도 한다. [잔차 연결] - 하위 층의 출력텐서를 상위층의 출력 텐서에 더해서 아래층의 표현이 네트워크 위쪽으로 흘러가게 한다. 함수형 AP..
DeepLearning/케라스 - Keras Lib
2020. 2. 18. 01:51