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
- 영상처리
- c++
- Pytorch Lecture
- MFC 프로그래밍
- matlab 영상처리
- 가우시안 필터링
- 파이토치 강의 정리
- C언어 공부
- object detection
- 모두의 딥러닝
- c언어
- 팀프로젝트
- 골빈해커
- 김성훈 교수님 PyTorch
- 케라스 정리
- 모두의 딥러닝 예제
- 해리스 코너 검출
- 딥러닝 스터디
- 컴퓨터 비전
- tensorflow 예제
- TensorFlow
- 파이토치
- 딥러닝
- pytorch
- 딥러닝 공부
- 미디언 필터링
- 파이토치 김성훈 교수님 강의 정리
- c언어 정리
- pytorch zero to all
- c++공부
Archives
- Today
- Total
목록binary classification (1)
ComputerVision Jack
[모두의 딥러닝 Chapter05]
[05-1 Logistic_Regression] logistic_regresssion은 이진 분류기를 뜻한다. binary classificaiton x_data = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_data = [[0], [0], [0], [1], [1], [1]] #x_data 한 묶음이 y_data 하나와 매칭이 된다. 전의 데이터는 회귀 예측이기 때문에 라벨이 1 0이 아닌 특정한 value로 되어 있었다. X = tf.placeholder(tf.float32, shape=[None, 2]) Y = tf.placeholder(tf.float32, shape=[None, 1]) #마찬가지로 x_data와 y_data(라벨)의 shape에 맞게..
DeepLearning/DL_ZeroToAll
2020. 1. 16. 15:47