ENN

AlexNet - 2012년 ILSVRC대회 우승을 차지한 CNN구조이다. 특징 1. ReLU함수의 사용 : non-linear함수로 gradient vanishing 문제를 해결함 2. Overlapping pooling : Max-pooling을 사용해서 에러율 감소와 과적합 방지의 효과를 낸다. 3. LRN(Local Response Normalization) :ReLU함수를 활성함수로 사용하면서 conv나 pooling시 주변 픽셀에도 영향을 미치는데, 이를 LRN을 통해 같은 위치의 픽셀끼리 정규화해준다. 4. dropout : dropout이란 Fully-Connected Layer의 뉴런 중 일부를 생략하면서 학습을 진행하고, 랜덤한 드랍아웃을 통해 과적합을 효과적으로 방지한다. 5. Dat..

행렬(배열 작성) np.array()형태로 작성한다. import numpy as np a= [[1,2],[3,4]] b=np.array(a) print(b) print(b.shape) #행렬의 차원 print(b[1,1]) #행렬의 특정 원소에 접근 특수한 배열 만들기 import numpy as np print(np.zeros((3,2))) #영행렬 print('\n') print(np.ones((2,4))) #유닛행렬 print('\n') print(np.full((3,4),1)) #모든 원소가 1인 3*4행렬 print('\n') print(np.eye(4)) #단위행렬 Numpy 슬라이싱과 인덱싱 배열[시작인덱스:끝인덱스-1 , 시작인덱스: 끝인덱스-1] 시작인덱스나 끝인덱스를 생략할 수 있음 ..