Dev study and notes

이전포스팅; https://devlunch4.tistory.com/100 4-3 신경망 네트워크 출력의 계산 4-3 신경망 네트워크 출력의 계산 학습목표; 신경망의 출력값이 도출 되는 과정을 알 수 있다. 핵심키워드; 층(Layer) / 노드(node) 학습내용; 입력값이 노드를 통과할 때, 두가지 과정을 거치게 devlunch4.tistory.com --- 4-4 많은 샘플에 대한 벡터화 학습목표; 신경망에서 다중 샘플에 대한 벡터화를 배울 수 있다. 핵심키워드; 벡터화(Vectorization) 학습내용; 표기법은 아래와 같습니다. a​[i][j]​​ i : 몇 번째 층인지 의미합니다. j : 몇 번째 훈련 샘플인지 의미합니다. 지난시간에는 하나의 신경망. 이번시간에는 많은 샘플 x[1][i]를 활용..

이전포스팅; https://devlunch4.tistory.com/99 4-2 신경망 네트워크의 구성 알아보기 4-2 신경망 네트워크의 구성 알아보기 학습목표 신경망의 표현방법을 알 수 있다 핵심키워드 입력층 (input layer) 은닉층 (hidden layer) 출력층 (output layer) 학습내용; .. devlunch4.tistory.com --- 4-3 신경망 네트워크 출력의 계산 학습목표; 신경망의 출력값이 도출 되는 과정을 알 수 있다. 핵심키워드; 층(Layer) / 노드(node) 학습내용; 입력값이 노드를 통과할 때, 두가지 과정을 거치게 됩니다. z=w​T​​+b a=σ(z) 표기법은 아래와 같습니다. a​i​[l]​​ l : 몇 번째 층인지 의미합니다. i: 해당 층에서 몇 ..

이전포스팅: https://devlunch4.tistory.com/98 4-1 신경망 네트워크 개요 4-1 신경망 네트워크 개요 학습목표 이번 강의는 앞으로 배울 내용들에 대한 개요입니다. 핵심키워드 개요 (overview) --- * 복습 : 로지스틱 회귀 특성 x 와 변수 w,b를 입력하면 z를 계산/ devlunch4.tistory.com --- 4-2 신경망 네트워크의 구성 알아보기 학습목표 신경망의 표현방법을 알 수 있다 핵심키워드 입력층 (input layer) 은닉층 (hidden layer) 출력층 (output layer) 학습내용; 입력 특성들의 층을 입력층이라하며 a​[0]​​ 으로 표기합니다. 은닉층이랑 입력층과 출력층 사이에 있는 모든 층을 의미합니다. l번째 은닉층의 n번째 유닛..

4-1 신경망 네트워크 개요 학습목표 이번 강의는 앞으로 배울 내용들에 대한 개요입니다. 핵심키워드 개요 (overview) --- * 복습 : 로지스틱 회귀 특성 x 와 변수 w,b를 입력하면 z를 계산/ z 는 ^y인 a를 계산하는데 사용 손실함수 L 신경망은 시그모이드 유닛을 쌓아서 만들수 있다. z를 계산하고 a를 계산하는 두단계로 이루어져있다. 각각의 계산에 따른 방식으로 이동 연계(노드들의 연계 각자 다른 계산) 특성 x와 변수 W와 b 를 입력 z^[1]계산. 특성 x와 변수 W와 b 를 입력 z^[2]계산. (신경망의 또다른층) layer 개념 1 > 2 최종 출력 a^[2] 로지스틱 회귀에선 z와 a를 계산했지만 신경망에서는 z와 a를 여러번 계산한다. 그리고 마지막으로 손실을 계산한다...

시작전 확인 공식 예습. 코드 설명 코드 실행 기울기에 대한 설명 텐서플로우에 적용 코드실행 및 결과

W가 1일때 0 값의 확인 그래프를 대략적 그려봄. W의 최소값을 찾았다. 알고리즘 설명 w,b 의 값을 바꿔본다. >>미분 설명 및 수식 변경화 최종적 공식확인. 미분에 걱정 없이 외부 사이트 이용 활용 가능. 잘못된 모양 이런 모양이 나오도록 설계를 한다.

* 예측을 어떻게 할 것인가? 공식을 이용한다. * 얼마나 예측을 잘했는가? = cost * 학습을 한다. W와 b를 조절해서 cost를 낮게 하는 것 1. 공식 1. build graph using TF opertations x,y 값을 조절한다. 1-2-3-/1-2-3 variable; TF에서 자체적 처리, W와 b의 값 cost = TF의 함수로 사용(reduce_mean, square) GradientDescent >> optimizer / minimize = magic step >> 코드설명 실행에 의해 결론적으로 training을 통해 0에 수렴한다. 코드 설명 최종 전체 코드 실행 설명

#IntelliJ #설치 일단 설치 파일을 다운로드 하자 웹링크 접속! https://www.jetbrains.com/ko-kr/idea/download/#section=windows 다운로드 IntelliJ IDEA: 우수성과 인체 공학이 담긴 JetBrains Java IDE www.jetbrains.com Community 커뮤니티 버전을 다운로드 한다! 이어서 설치파일을 실행하자 실행창을 확인하자 > 순서대로 진행~ Finish를 누르고 컴퓨터를 재부팅을 하자. 재부팅을 한뒤 바탕화면에 아이콘을 클릭하여 실행하자. 첫 실행시 임포트 할 경로 설정을 하자. 나는 아무것도 하지 않았다. 실행 중!! 프로젝트를 생성하거나 불러오거나 작업을 수행하자!

원문 : 유튜브 링크 https://www.youtube.com/watch?v=Hax03rCn3UI&t=252s - Regression - 회귀 /두 변수 x와 y와의 관계에 적합한 선. 회귀선이라고도 한다. 회귀가 직선인 경우에는 회귀 직선이라고 한다. >선을 찾는것. 이것이 가설. >어떤 가설이 좋은가? / 가설의 차이를 구하는 것; 제곱을 활용하여 일정한 차이를 양수, 차이를 확인 가능 = cost function

원문 : 유튜브 링크 https://www.youtube.com/watch?v=Hax03rCn3UI&t=252s - Regression - 회귀 /두 변수 x와 y와의 관계에 적합한 선. 회귀선이라고도 한다. 회귀가 직선인 경우에는 회귀 직선이라고 한다. >선을 찾는것. 이것이 가설. >어떤 가설이 좋은가? / 가설의 차이를 구하는 것; 제곱을 활용하여 일정한 차이를 양수, 차이를 확인 가능 = cost function