본문 바로가기

CS231n17

Assignmenft 1-3 (SoftMax) softmax 문제를 풀면서 느낀거는 강의를 듣고서만 풀 수 없는 거 같다. 여러 검색들과 정리된 식들, 코드로 어떻게 옮길 것인가를 반복하면서 풀었다. 이번 코드는 내가 풀지 못했고 다른 코드를 가져와서 분석하는 식으로 공부했다... **softmax_loss_naive 가중치 W:(D,C) /c는 클래스의 갯수 / 각 클래스에 대한 예측 점수를 계산하는 벡터 미니배치 X:(N,D) / N개의 minibatches, D는 각 data point의 차원 수 traing label y:(N,) / y[i]는 미니 배치 내 datapoint의 ground_table / 이미지의 정답 클래스 SoftMax -sigmoid 보다 학습이 더 잘된다 -loss function으로 cross-entrophy를 쓴다 .. 2024. 3. 30.
C231n(12) Visualizing and Understanding ConverNets 내부에 어떤 일이 일어나고 있을까 과정) input image(pixel) -> layers(conv, pooling) -> Class scores - First Layer: Visualize Filters Alexnet 첫번째 Conv의 결과로는 3X11X11 feature map이 나오게 되며 필터의 가중치와 입력 이미지의 내적을 통해 구해진다. feature map을 시각화 시키는 것으로 필터들이 무엇을 찾는지를 알 수 있는데 보통 엣지나 보색 등을 찾아낸다. 첫번째 레이어는 이미지와 가장 가까운 곳에 접하기 때문에 이미지의 특징을 잡아내는데 유리하다. -Visualize the filters/kernels (raw weights) 처음에는 3x7x7의 16개 filter가 있다.. 2024. 3. 23.
CS231n(11) Detection and Segmentation Semantic Segmentation -해당 픽셀의 카테고리가 무엇인지에 대해 모든 픽셀에 독립적으로 레이블을 지정한다. -소 2마리를 각각의 객체로 보지 않고 소라는 라벨이 붙은 픽셀 덩어리로 본다. 분류하려면 instance segmenatation 수행하면 된다 - Classification이 어떠한 객체를 단위로 분류했다면, Semantic Segmentation은 픽셀 단위로 분류한다. Sliding Window Patch를 만들고, 전체 영역을 모두 돌면서 한 픽셀이 어느 카테고리에 들어가는지 찾아내는 방법이다. 이미지의 모든 픽셀에 레이블을 지정하고 해당 이미지의 모든 픽셀에 대해 별도로 자르기가 필요하다. 각 pixel마다 crop을 진행했을때, 이웃 pixel들은 crop한 영역이 필연.. 2024. 3. 18.
Assignment 1-1 (KNN) KNN 실습 Cross-Validation num_folds = 5 k_choices = [1, 3, 5, 8, 10, 12, 15, 20, 50, 100] X_train_folds = [] y_train_folds = [] ################################################################################ # TODO: # # Split up the training data into folds. After splitting, X_train_folds and # # y_train_folds should each be lists of length num_folds, where # # y_train_folds[i] is the label vecto.. 2024. 3. 18.

티스토리툴바