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
- 김성훈 교수님 PyTorch
- 모두의 딥러닝 예제
- 영상처리
- 딥러닝 공부
- 딥러닝
- object detection
- c언어 정리
- 가우시안 필터링
- 미디언 필터링
- 해리스 코너 검출
- pytorch
- 팀프로젝트
- 모두의 딥러닝
- C언어 공부
- Pytorch Lecture
- MFC 프로그래밍
- 파이토치
- 컴퓨터 비전
- c++공부
- 케라스 정리
- c++
- tensorflow 예제
- 파이토치 김성훈 교수님 강의 정리
- 파이토치 강의 정리
- c언어
- 골빈해커
- 딥러닝 스터디
- TensorFlow
- matlab 영상처리
- pytorch zero to all
Archives
- Today
- Total
목록케라스 창시자 예제 (1)
ComputerVision Jack
[케라스 Chapter1 정리]
인공지능 보통의 사람이 수행하는 지능적인 작업을 자동화 하기위한 연구 활동 머신러닝(기계학습)과 딥러닝을 포괄하는 상위 개념. 과거 : rule base 현재 : dataset base - 머신러닝 과거에는 규칙에 따라 처리될 데이터를 입력하여 해답을 도출했다. 하지만 현재는 데이터를 입력하여 컴퓨터가 스스로 규칙을 찾아내서 새로운 데이터를 입력하면 기대되는 해답을 출력한다. training(훈련)과정. 머신러닝과 딥러닝의 핵심은 의미있는 데이터로의 변환이다. (데이터의 전처리가 중요하다.) 학습 : 더 나은 표현을 찾는 자동화된 과정 딥러닝 딥러닝은 머신러닝의 한 분야로 연속된 층(layer)에서 점진적으로 의미있는 표현을 배우는 강점이 존재하며, 데이터로 부터 표현을 학습하는 새로운 방법. 연속된 층..
DeepLearning/케라스 - Keras Lib
2020. 1. 14. 00:40