목록Study/Deep Learning (3)

Très bien

Graph Neural Network

★★★ KAIST 신기정 교수님의 GNN 강의 및 강의 자료를 학습한 내용입니다. ★★★ 1. Transductive vs. Inductive Transductive Method (변환식 방법) : 학습의 결과로 node embedding 자체를 획득함. Inductive Method (귀납적 방법) : 학습의 결과로 node를 embedding으로 변환시키는 함수, Encoder를 획득함. 2. GNN(Graph Neural Network) Graph를 각 노드에 대해 Layer 들의 집합으로 표현할 수 있습니다. 하나의 Layer에 속하는 함수들은 모두 동일하며, 이웃 노드들의 정보를 수집하여 노드 연산이 수행될 수 있습니다. 특히, 동일 Layer에 속하는 다수 개의 함수들은 그 입력값의 개수가 모..
Study/Deep Learning 2023. 6. 13. 05:55
Papers with Code

Papers with Code 다양한 task와 dataset에 대한 다양한 모델들의 성능을 벤치마킹 해주는 웹 서비스입니다. image classification 모델들의 성능을 비교할 수 있으며 논문과 구현 코드도 확인할 수 있습니다. Papers with Code - Image Classification **Image Classification** is a fundamental task that attempts to comprehend an entire image as a whole. The goal is to classify the image by assigning it to a specific label. Typically, Image Classification refers to images i..
Study/Deep Learning 2022. 2. 25. 00:06
Deep Learning - Intro.

★ Denny Britz 의 블로그와 boostcamp AI Tech ML기초(by 최성준) 를 기반으로 학습한 내용을 정리했습니다. ★ 1. 딥러닝의 주요 구성 요소 (Key components of Deep Learning) 1. 데이터 (Data) : 모델을 학습할 수 있는 기반 정보 ( image, sound, etc.) 2. 모델 (Model) : 데이터를 출력 label로 변환하는 매개체 (AlexNet, LSTM, ResNet, DenseNet, AutoEncoders, GAN, etc.) 3. 손실함수 (Loss function : 모델의 좋고 나쁨을 수치적으로 표현하는 방법으로 DL의 파라미터(weight, bias 등)를 업데이트하기 위한 기준 함수 (MSE(Mean Square Err..
Study/Deep Learning 2022. 2. 7. 10:01
Prev 1 Next