[딥러닝] 배치 (Batch), 배치 사이즈, 배치 크기 (Batch size) 해설, 정리, 요약
안녕하세요, HELLO "Batch 배치"와 "Batch size 배치 사이즈"는 딥러닝에서 많이 사용되지만, 헷갈리기 쉬워 혼용되는 용어입니다. 오늘은 배치와 배치 사이즈에 대해서 정리하려고 합니다. CHAPTER 1. 'Batch, Batch size' 정리 CHAPTER 2. 'Batch size 하이퍼파라미터' 정리 CHAPTER 1. 'Batch, Batch size' 정리 배치는 독립적으로 처리되지만 병렬로 처리되는 일련의 샘플입니다. 즉, 배치는 모델의 매개변수를 업데이트하는 데 사용되는 전체 교육 데이터 세트의 하위 집합입니다. 배치 사용의 기본 개념은 모델이 한 번에 하나의 샘플을 처리하는 것보다, 계산적으로 더 효율적일 수 있는 forward/backward path에서 여러 샘플로부터..
2023. 2. 13.
[REVIEW] U-Net: Convolutional Networks for Biomedical Image Segmentation 리뷰, review
안녕하세요, HELLO 이미지 분야 (computer vision)로 도메인 지식을 넓히기 위해, object detection, classification, segmentation, ocr, generative AI 등에 대해서 스터디를 진행하며, 논문을 리뷰하고 있습니다. 이번에 살펴본 논문은 Semantic Segmentation 문제를 위해 제안된 딥러닝 모델인 U-Net: Convolutional Networks for Biomedical Image Segmentation입니다. U-Net은 Semantic Segmentation 모델을 위해 이미지 분류(Classification)에서 좋은 성능을 보인 CNN 기반 모델, Full Convolutional Network를 바탕으로, expans..
2023. 2. 12.
[딥러닝] 앙상블 모델 (Ensemble) 방법, 배깅 (Bagging), 부스팅 (Boosting), 스태킹 (Stacking) 해설, 정리, 요약
안녕하세요, HELLO 오늘은 딥러닝에서 여러 모델을 합성하여, 모델의 성능을 개선하는 앙상블 (Ensemble) 방법에 대해서 정리하고자 합니다. 앙상블 방법에는 배깅 (Bagging), 부스팅 (Boosting), 스태킹 (Stacking)으로 구성되고, 개념 정리, 예시 그리고 각각의 코드 구현을 통해 살펴보고자 합니다. CHAPTER 1. '앙상블 (Ensemble) 방법' 선행 지식 CHAPTER 2. '배깅 (Bagging)' 정리 CHAPTER 3. '부스팅 (Boosting)' 정리 CHAPTER 4. '스태킹 (Stacking)' 정리 CHAPTER 1. '앙상블 (Ensemble) 방법' 선행 지식 딥러닝의 앙상블 (Ensemble) 방법은 시스템의 전반적인 성능과 견고성을 개선하기 위..
2023. 2. 9.
