반응형 deeplearning.ai6 [Course 4] Convolutional Neural Networks. W1 - Foundations of Convolutional Neural Networks [Coursera] Convolutional Neural Networks 1주차 강의 (Foundations of Convolutional Neural Networks)를 수강하며 작성한 필기 노트입니다. 2023. 5. 4. [Course 2] Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization.W1 - Practical Aspects of Deep Learning [Coursera] Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization 1주차 강의 (Practical Aspects of Deep Learning)를 수강하며 작성한 필기 노트입니다. 1. Setting up your Machine Learning Application 2. Regularizing your Neural Network 3. Setting Up your Optimization Problem 2023. 3. 8. [Course 1] Neural Networks and Deep Learning. W4 - Deep Neural Networks [Coursera] Neural Networks and Deep Learning 4주차 강의 (Deep Neural Networks)를 수강하며 작성한 필기 노트입니다. 2023. 3. 7. [Course 1] Neural Networks and Deep Learning. W3 - Shallow Neural Networks [Coursera] Neural Networks and Deep Learning 3주차 강의 (Shallow Neural Networks)를 수강하며 작성한 필기 노트입니다. 2023. 2. 7. [Course 1] Neural Networks and Deep Learning. W2 - Logistic Regression as a Neural Network [Coursera] Neural Networks and Deep Learning 2주차 강의 (Logistic Regression as a Neural Network)를 수강하며 작성한 필기 노트입니다. 2023. 1. 31. [Python] Numpy Broadcasting 개념 Numpy 라이브러리에서 브로드캐스팅(Broadcasting)이란: 산술 연산 대상이 되는 배열(array)들의 모양(shape)이 다른 경우에도, 연산이 가능하도록 배열들의 모양을 처리하는 방법을 의미한다. 더 작은 배열이 큰 배열의 모양에 맞춰지는 방식으로 작동하고, 벡터화를 가능하도록 하여, loop가 python이 아닌 C에서 수행되도록 한다. 브로드캐스팅을 활용하면, 불필요한 사본을 생성하지 않아도 되기 때문에 효율적인 코드를 작성할 수 있다. * 종종 큰 배열에 대한 브로드캐스팅 연산으로 메모리를 비효율적으로 사용하거나, 차원이 커져서 코드 해석이 어려운 경우에는 outer loop를 사용하는 것이 더 좋다. Numpy 공식 문서에서 아래와 같이 해당 개념에 대한 설명을 제공하고 있다. 브로드.. 2022. 2. 24. 이전 1 다음 반응형
