Notice
Recent Posts
Recent Comments
Link
| 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
- Skip Connectioin
- classification
- Vanilla RNN
- python
- ResNet
- Inception V1
- RNN
- vim-plug
- DCGAN
- Bottleneck Layer
- AI
- Regression
- Inception Module
- Peephole Connection
- Linear
- GCN
- Residual Connection
- version
- Generative
- Optimizer
- sigmoid
- GoogLeNet
- virtualenv
- Manager
- DL
- Skip Connection
- Gated Skip Connection
- iTerm2
- cnn
- jupyter
Archives
- Today
- Total
목록Skip Connectioin (1)
IT Repository
(10) GCN - Advanced Techniques
Inception Module¶ CNN에서의 Inception module의 핵심은 다양한 Receptive field를 취한다는 점이었습니다. 이를 GCN에서 적용하면, Receptive field는 결국 얼마만큼 떨어져 있는 노드를 반영할 것인가 라고 할 수 있습니다. 이는 Adjacency matrix를 다시 한번 dot product함으로써 구현할 수 있습니다. 즉, Graph Conv를 하는 횟수만큼 Receptive field가 넓어집니다. 예를 들어 1번 노드에 2, 3번 노드가 연결되어 있다고 가정해봅시다. 첫번째 Graph Conv 레이어에서는 1번 노드는 2, 3번 노드의 상태를 반영할 것입니다. 두번째 Graph Conv 레이어에서도 2, 3번 노드의 상태를 반영하겠죠. 하지만 여기서..
CNN/Study
2020. 1. 17. 18:25