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
- Inception V1
- GCN
- Skip Connection
- DCGAN
- iTerm2
- virtualenv
- DL
- Linear
- Bottleneck Layer
- RNN
- GoogLeNet
- sigmoid
- Regression
- version
- Optimizer
- ResNet
- Manager
- Gated Skip Connection
- classification
- Peephole Connection
- Inception Module
- Vanilla RNN
- Skip Connectioin
- Generative
- jupyter
- vim-plug
- Residual Connection
- python
- AI
- cnn
Archives
- Today
- Total
목록autoencoder (1)
IT Repository
(1) AutoEncoder
For What is AutoEncoder Used?¶ AutoEncoder는 Dimensionality Reduction을 위해서 딥러닝에서 사용하는 차원 축소 모델 구조입니다. 차원 축소 개념은 Sparse한 정보를 담은 벡터를 좀 더 유용한 정보만으로 채워진 Dense한 벡터로 만들기 위함입니다. 우리는 이미 GoogLeNet에서 사용한 Bottleneck Layer에서도 차원 축소 테크닉을 사용해서 파라미터의 수를 줄였던 경험이 있었죠. 차원 축소 개념이 와닿지 않으실 분들을 위해 예시를 하나 들어보겠습니다. 스프링 운동은 1차원 운동으로 "위치" 라는 1차원의 데이터만 있다면 속도, 가속도 등의 모든 정보를 표현할 수 있습니다. 그러나 스프링 운동을 각기 다른 위치의 10개의 위치에서 촬영했다고..
Other Structures/Study
2020. 1. 18. 15:01