패스트캠퍼스 챌린지 - 13일차

강의 내용 Review

---

📍배운내용📍

• Hierarchy of tensor computations 
• Dataset (X data)

👉강의내용👈

Ch.01 딥러닝 네트워크의 연산

Hierarchy of tensor computations 

• 텐서란? : 스칼라(단일값), 벡터, 메트릭스(행렬)의 이상의 차원, 이것들도 하나의 텐서로 표현 가능
• 0차원 텐서 : 스칼라 , 스칼라 더하기, 스칼라 카티션 프로덕트 가능 
• 1차원 텐서 : 벡터-열로 표현됨, 스칼라곱, 벡터 더하기, 벡터의 하다마드 프로덕트, 내적(벡터2개로 1개의 스칼라값) 
• 2차원 텐서 : 차원이 두개, 행과 열로 구성됨, 스칼라 곱 가능, 벡터 곱 가능, 행렬간 연산가능 (1,3) x (3,2) -> (1,2) 
• 3차원 텐서 : 3개의 행렬을 하나의 그림으로 가짐, 스칼라 곱, 텐서 합, 텐서 하다마드 프로덕트 가능 

Dataset(X Data)

• ex) 날씨 예측 -> 온도, 습도, 구름양, 강수량 
• x 벡터는 각 원소를 한열로 나열한 벡터가 만들어짐 
• 하지만 딥러닝은 데이터를 기본적으로 만들때 row벡터를 기본적으로 만듦 -> 인간에게 보기 편해서 
• 따라서 row벡터로 표현하기 위해 T 전치 행렬을 사용해서 colunm을 row형태로 변형 
• Li : length of input -> 각각의 데이터 샘플은 row벡터로 표현됨 
• 28x28 데이터를 쭉 row으로 붙여서 한 벡터로 표현가능 -> 플랫튼 

 

공부사진 

---

강의듣기

 

필기내용

 

13일차 후기

---

텐서의 개념과 스칼라, 벡터, 행렬에 대해 이론적 개념을 다졌다. 또한 데이터 표현 방식을 배웠다. 강의를 듣고 이해하는데 꽤 시간이 든다ㅠㅠ 얼른 얼른 하자~!

 

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.