머신러닝/딥러닝, 리눅스, 소프트웨어, 그리고 일상
일반적으로 사용되는 아래 CE Loss의 구현을 Softmax를 빼고 보면 Loss Term에 Negative Class에 대한 고려가 들어가있지 않다. (마지막 정리부에서 다루지만 사실 CE Loss와 Softmax를 분리해서 보는 생각이 잘못된 것 같다.) 이 의문에서 시작해서 답을 찾아갔던 과정을 정리해보았다. 아래 수식에서 $p(x_{i})$는 정답값 분포 [0.0, 0.0, 1.0, 0.0, 0.0]를, $\hat{p}(x_{i})$는 Softmax를 거쳐나온 각 클래스별 확률 분포 $0<\hat{p}(x_{i})<1$를 …
Reference 본 게시물은 원본 게시물을 스크랩한 게시물입니다. 원본 게시물: https://zzsza.github.io/data/2018/02/23/introduction-convolution/ An Introduction to different Types of Convolutions in Deep Learning을 번역한 글입니다. 개인 공부를 위해 번역해봤으며 이상한 부분은 언제든 알려주세요 🙂 Convolution의 여러 유형에 대해 빠르게 소개하며 각각의 장점을 알려드리겠습니다. 단순화를 위해서, 이 글에선 2D Convolution에만 초점을 맞추겠습니다 Convolutions 우선 convolutional layer을 정의하기 위한 몇개의 파라미터를 …
COCO 데이터셋 Annotation에 대한 설명을 해 주신 글이 있어, 스크랩해 보았다. Reference 본 게시물은 원본 게시물을 스크랩한 게시물입니다. 원본 게시물: (https://ukayzm.github.io/cocodataset/) Annotation 파일 분석 Annotation 파일은 한 줄짜리 json 형식으로 되어 있습니다. 혹시라도, 이 파일을 그냥 vi로 열면 안됩니다. 수백메가 크기의 한 줄 짜리 파일이라, vi가 감당을 못합니다. 그래서, json beautifier를 이용하여 줄바꿈을 해 주어야 …
Reference 원본 게시물: https://medium.com/the-artificial-impostor/custom-image-augmentation-with-keras-70595b01aeac The new Tensorflow 2.0 is going to standardize on Keras as its High-level API. The existing Keras API will mostly remain the same, while Tensorflow features like eager execution, distributed training and other deeper Tensorflow integration will be added or improved. I think it’s a good time to revisit Keras as someone who …
더 보기 “(Reference) Custom Image Augmentation with Keras by Ceshine Lee”