패스트캠퍼스 챌린지 - 14일차

강의 내용 Review

---

📍배운내용📍

• Artificial Neurons
• Affine Function
• Activation Funciton 
• 한개의 피처를 가지는 Affine Function
• N개의 피처를 가지는 Affine Function
• 미니배치 

 

👉강의내용👈

Ch.01 딥러닝 네트워크의 연산

Affine Functions with One Feature 

• 아티피셜 뉴런 = 에파인 펑션 + 엑티베이트 펑션 
• z = xw : weight : 가중치, 각 입력값에 대해 얼마만큼의 중요도를 부여할지 결정 
• Affine Transformation -> z = xw + b
• w, b를가진 파라미터 펑션 
• 스칼라 값이 인풋으로 들어오면 w,b도 1개

Affine Functions with n Feature 

• n개의 데이터를 입력받으면?
• 각 입력값에 w를 곱한후 합 => Weighted Sum 
• 내적을 이용해서 x벡터와 w벡터를 곱함, w를 뒤에 적는 형태 많이 씀 
• 여기서 b를 더해주면 Affine Transformation이 만들어짐 
• x의 전치행렬 x w벡터 + b 형태 
• Li개의 input이 들어가면 Li개 W가 만들어짐 -> 각 피처마다 하나씩 w가 만들어짐 

Activation Function 

• Sigmoid
• Tanh 
• ReLU
• z값을 활성화 함수에 넣으면 activation value가 나옴 

Minibatch in Artificial Neurons

• 여러개의 데이터 샘플 넣기 -> 미니배치
• 여러 피처로 구성된 데이터 샘플을 넣을때 w벡터와 b는 바뀌지 않음 
• 각각의 미니배치 데이터로 각각의 엑티베이션 value가 만들어짐 
• 하나의 행렬로 묶어서 넣으면 엑티베이션 value도 행렬 형태로 나옴
• GPU가 병렬단위로 연산을 하기 때문에 행렬로 넣는것이 효과적 

 

공부사진 

---

Affine Functions 강의 듣기

 

강의 내용 필기

 

14일차 후기

---

 

Artificial Neurons, Affine Funtion, Activation Function, Minibatch 에 대해 배웠다.
2번들어야 이해가 간다.ㅠㅠ
이렇게 들어서 언제 다듣나ㅠㅠ 

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.