| 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
- 파이토치 강의 정리
- TensorFlow
- matlab 영상처리
- 딥러닝 공부
- c++
- MFC 프로그래밍
- 모두의 딥러닝 예제
- 가우시안 필터링
- 김성훈 교수님 PyTorch
- 골빈해커
- tensorflow 예제
- 파이토치
- c언어 정리
- object detection
- c언어
- 딥러닝 스터디
- pytorch
- C언어 공부
- 컴퓨터 비전
- 딥러닝
- c++공부
- 미디언 필터링
- 케라스 정리
- 파이토치 김성훈 교수님 강의 정리
- 해리스 코너 검출
- 팀프로젝트
- 영상처리
- pytorch zero to all
- 모두의 딥러닝
- Pytorch Lecture
Archives
- Today
- Total
목록파이토치 multi value 입력 (1)
ComputerVision Jack
PyTorch Lecture 07 : Wide and Deep
이번 장에선 전 시간에 배운 logistic regression 네트워크를 깊고 넓게 구성하는 방법에 대해 설명해주셨습니다. 우선 설명해주신 예제로 풀어보겠습니다. HKUST PHD Program Application GPA(a) Admission? 2.1 0 4.2 1 3.1 0 3.3 1 만약 데이터가 이런식으로 제공되어 있다면 우리가 알고있는 logistic regression으로 처리하면 됩니다. GPA (입력) -> Linear -> Sigmoid -> y^ 식으로 접근이 가능합니다. How about experience and other GPA(a) Experience(b) Admission? 2.1 0.1 0 4.2 0.8 1 3.1 0.9 0 3.3 0.2 1 해당 데이터에 대해 Exper..
DeepLearning/Pytorch_ZeroToAll
2020. 10. 20. 16:19