패스트캠퍼스 챌린지 - 15일차

강의 내용 Review

---

📍배운내용📍

• 뉴런 벡터와 레이어
• Dense 레이어 
• Notation 
• Dense 레이어의 파라미터
• 각 Dense레이어에서의 연산

👉강의내용👈 

Ch.01 딥러닝 네트워크의 연산

뉴런 벡터와 레이어

• 레이어는 뉴런들의 집합
• 각 뉴러는 서로 다른 parametric function이고 서로 다른 필터를 하게 됨 
• 따라서 레이어에 있는 각 뉴런은 각각의 가중치와 바이어스를 가짐
• 레이어 : 뉴런들의 모음, 묶음, 레이어가 많을수록 깊은 딥러닝 구조를 가짐 
• 딥러닝 아키텍쳐란? 코릴레이션 필터를 묶어놔서 필터뱅크를 만들고 필터 뱅크의 캐스케이드 구조
• 뉴런 한 개가 고유한 필터 역할을 함 

Dense 레이어

• Dense Layer 특징 : 뉴런마다 인풋들이 전부다 연결되어 있는 것, 커넥션들이 전부다 

Notation 

• Layer : L[i] (L for Layer)
• Neuron Vector : 뉴런(벡터)[i]
• number of 뉴런 : li (l for length)

Parames of Dense Layer

• 입력되는 데이터 개수에 따라 W의 개수가 정해짐
• 벡터 W값을 따로 가지고 다니기 귀찮으니깐 행렬로 묶음, 바이어스들도 따로 들고다니기 귀찮으니깐 벡터로 만듦 

각 Dense Layer에서 연산

• 첫 번째 Dense Layer에서는 입력데이터에 대해 첫번째 레이어 각 뉴런에 에서 연산이 일어남 
• 두 번째 Dense Layer에서는 첫 번째 Dense Layer에서 나온 결과를 다음 dense Layer로 전달함

공부사진 

---

 

강의 듣기

필기

 

15일차 후기

---

 

각 Dense Layer의 각 뉴런에서 일어나는 연산과 연산식을 잘 익혀 둬야 나중에 헷갈리지 않는다
숫자와 기호들이 난무하니깐 따라 쓰는 것도 힘들다. ㅠㅠㅋㅋ
열심히 파이팅하자~!

 

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.