딥러닝(deep learning)30 Linear Regression convert to Deep learning system y = W X + b 라는 시스템을 hidden layer가 하나인 딥러닝 시스템으로 변환해보자. ㅁ -> ㅁ -> ㅁ i h o 여기서 h 노드의 수는 상관없다. 그렇다면 classification와 다르게 해야할 부분은 어디일까? o에서 sigmoid를 사용하지 않는 것이다. h에서 activation으로 sigmoid 해주는 것은 큰 값을 0과 1사이의 값으로 바꿔주려고 쓰는 것이다. Regression이기 때문에 출력층에서 activation으로 sigmoid를 쓰지 않아야 한다. ( 확률의 개념이 아니기 때문에) 2019. 8. 19. check list for Linear Regression input data x1,x2, target data: t 로 둔다면. x1 와 t , x2와 t의 선형 관계 확인하고 Linear Regression을 사용해야 한다. x1, t 의 그래프 그려보고 x2, t의 그래프 그려보거나 x1,x2,t 세개 축으로 해서 들으면 convex 모양이 나와야 할 것이다. (선형성이 존재한다면) 2019. 8. 19. data normalize in Regression data set을 기준으로 input, label 중 input을 정규화 했으면 label도 정규화한다. training data set에서 input data를 정규화했으면 label data도 정규화해서 학습시킨다. 또한 training data set을 정규화 해서 학습했다면 -> test data set도 정규화 해서 예측한 후에 예측값을 de-normalize 해주면 된다. 주의할 사항. training 후 test할 때에 Variable인 loss 건드리면 안된다. 이미 학습된 W,b를 사용하는 것이기 때문이다. Regression에서 데이터 관리할 때 데이터가 들어있는 data set을 알고 있어야한다. 지도 학습이기 때문에 label이 없는 입력데이터는 사용하기 힘들다. label이 없다면.. 2019. 8. 19. 코드 구현시 예외처리 해야하는 부분 (shape, io, network) 행렬 shape -> 벡터는 Transpose 불가 파일 io 부분 -> read시 파일 미존재, write시 디스크 꽉찬 경우 등 예외상황 처리 네트워크 통신하는 부분 -> 요청 후 긴 시간 응답이 없는 경우 등 네트워크 환경의 특징을 파악하고 예외처리 이외에도 발생할 수 있는 예외를 고려해서 처리하는 코드 작성해야함. 2019. 8. 9. 이전 1 2 3 4 ··· 8 다음