배치사이즈 https://bruders.tistory.com/79 배치 사이즈(batch size) | 에포크(epoch) | 반복(iteration) 차이기계는 다음과 같은 과정을 통해 학습한다.1. 임의의 파라미터(가중치($w$))를 정한다.2. 이 가중치에 대한 손실값을 구하고 손실 함수(Loss function)의 기울기(Gradient)를 구한다.3. 경사하강법(Gradient Dbruders.tistory.com Docker | docker image build & push & pull # Build the Docker Imagedocker build -t gpbokg .# Run the Docker Containerdocker run -p gpbokg# Pushdocker push kyungheee/gpbokg# pull docker pull kyungheee/gpbokg pipreqsnb로 requirements.txt 생성하기 # 설치pip install pipreqsnb# requirements.txt 생성pipreqsnb .# 특정 디렉토리에 requirments.txt 생성pipreqsnb . --savepath /path/to/requirements.txt https://pypi.org/project/pipreqsnb/ pipreqsnbPipreqs with jupyter notebook supportpypi.org 파이썬 가상환경 만들기 (venv, conda) 내가 맨날 까먹어서 여기에 다시 정리한다. Venvpython3 -m venv oo_envsource oo_env/bin/activatedeactivatepip listrm -rf oo_envpip freeze > requirements.txtpip install -r requirements.txt Condaconda create -n oo_env python=3.10conda activate oo_envconda deactivateconda env listconda env remove -n oo_envconda env export > environment.ymlconda env create -f environment.yml Manifold Learning 말그대로 manifold를 학습시키는 것그럼 manifold란 무엇일까? >> manifold란, 데이터가 있는 공간을 뜻함manifold를 학습시킨다는 의미는 데이터가 위치한 공간을 찾아낸다는 이야기임 데이터가 3차원에 흩뿌려져 있는데, 데이터가 있는 나선형 평면은 펼치면 2차원 평면이 될 것임이 말은, 3차원에 있는 데이터에서 manifold를 찾아 2차원으로 만든다는 것그럼 3차원의 데이터가 2차원의 데이터로 바뀜 = 차원 축소를 한 것이런 평면을 찾는 방법이 manifold learning 학습 절차 데이터를 고차원 공간에 뿌림해당 데이터를 오류 없이 잘 아우르는 sub-space(manifold)를 구한다.데이터를 manifold를 projection하면 데이터의 차원이 축소된다. 출처 : 컴.. 오토인코더의 모든 것 1/3 by NAVER D2 https://youtu.be/o_peo6U7IRM?si=E-wStaPrmyrtUBCW 언제 오토인코더를 쓰느냐?주로 Nonlinear Dimensionality reduction이 필요할 때 쓴다.오토인코더는 representation learning에 속한다.이는 다른 말로, efficient coding learning=feature extraction=manifold learning이라고도 한다. [오토인코더가 학습할 때]- unsupervised learning- Loss function : negative maximum likelihood [학습된 오토인코더에서]- 인코더 : 차원 축소의 역할 >> Manifold learning- 디코더 : 생성 모델의 역할 >> Generative mod.. 이전 1 2 다음
