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
- 딥러닝 스터디
- 김성훈 교수님 PyTorch
- 해리스 코너 검출
- Pytorch Lecture
- 모두의 딥러닝
- 파이토치
- tensorflow 예제
- 딥러닝
- pytorch
- 가우시안 필터링
- 컴퓨터 비전
- c++공부
- 파이토치 김성훈 교수님 강의 정리
- 영상처리
- c언어 정리
- c++
- pytorch zero to all
- matlab 영상처리
- c언어
- 딥러닝 공부
- 골빈해커
- MFC 프로그래밍
- C언어 공부
- 모두의 딥러닝 예제
- 케라스 정리
- 팀프로젝트
- 미디언 필터링
- object detection
Archives
- Today
- Total
목록혼돈 행렬(Confusion matrix) (1)
ComputerVision Jack
머신러닝 가이드 - Chapter 2 preview
1.용어 설명 입력 값(inputs) 과 입력 벡터(input vector) 입력 값은 알고리즘에 입력되는 데이터이다. 입력 벡터는 실수로 되어 있고, 연속된 번호들의 벡터로 되어 있다. 벡터의 크기는 요소들의 개수를 뜻하며, 입력 값의 차원(dimentionality)이다. 출력 값(outputs) 입력 값을 토대로 머신러닝 모델에 의해 출력되는 값이다. 머신러닝 알고리즘은 입력값의 집합을 통해 출력 값을 반환하는 과정을 반복한다. 입력(Inputs) : 입력 벡터는 알고리즘에 입력으로 주어진 데이터를 나타낸다. 가중치(weight) : 노드 i와 j를 연결하는 가중치는 Wij로 표현하며, 뉴럴 네트워크에서는 뇌의 시넵스를 표현한다. 출력(Outputs) : 출력 벡터 y는 j값이 1에서 벡터의 차원인..
DeepLearning/머신러닝 - Algorithm
2020. 2. 27. 00:38