본문 바로가기

분류 전체보기

(233)

Expo, Create React Native App create-react-native-app 패키지를 npm(node.js package manager)을 이용하여 설치하자. RN은 npm을 이용하여 디펜던시를 관리한다. npm install -g create-react-natvie-app 뭐가 다른건지 모르겠는데, https://expo.io/learn : Get Started 에서는 1. Node.js 설치 2. npm install expo-cli --global 3. expo init my-new-project cd my-new-project expo start 4. QR코드로 폰에서 열기 5. your-project/App.js로 앱 만들기!

최강의 식사 https://blog.naver.com/hilove690/221444096941 최강의식사 (상세버전, 완전무결 음식 리스트) 3부/총4부 최강의 식사 - 데이브 아스프리최강의식사 간략본은 여기: https://blog.naver.com/hilove690/221301862268... blog.naver.com

LAT 계산 LAT = [DEG] + [MIN]/60 * IF([NS]="S", -1, 1)

MDN MDN에서는 출력값을 명시적으로 생성하여 x->y 매핑을 모델링하는 대신 각 대상의 확률 분포를 학습하고 출력을 샘플링한다. 분포 자체는 여러 가우시안(가우스 혼합) 으로 표시된다. 모든 입력 x에 대해 distribution parameters를 학습한다. mean, variance, mixing coefficient k : 가우시안 수 l : 입력 피처 수 (l + 2) k 출력값: the mixing coefficients와 component density parameters를 학습한다. # In our toy example, we have single input feature l = 1 # Number of gaussians to represent the multimodal distribution..

[Keras] Noise Regularization https://machinelearningmastery.com/how-to-improve-deep-learning-model-robustness-by-adding-noise/ How to Improve Deep Learning Model Robustness by Adding Noise Adding noise to an underconstrained neural network model with a small training dataset can have a regularizing effect and reduce overfitting. Keras supports the addition of Gaussian noise via a separate layer called the GaussianNoise laye..

Repost https://wdprogrammer.tistory.com/29 [keras] 정확한 평가를 위한 검증(validation) 데이터 나누기 2019-01-05-validation 딥러닝 모델을 구축할 때, 훈련 데이터와 테스트 데이터만으로도 훈련의 척도를 판단할 수 있다. 하지만, 훈련 데이터에 대한 학습만을 바탕으로 모델의 설정(Hyperparameter)를 튜닝하게.. wdprogrammer.tistory.com https://github.com/gilbutITbook/006975/blob/master/3.6-predicting-house-prices.ipynb gilbutITbook/006975 케라스 창시자에게 배우는 딥러닝. Contribute to gilbutITbook/006975 devel..

훈련셋, 검증셋, 시험셋 퍼옴: https://tykimos.github.io/2017/03/25/Dataset_and_Fit_Talk/ 데이터셋 이야기 딥러닝 모델을 학습시키려면 데이터셋이 필요합니다. 풀고자 하는 문제 및 만들고자 하는 모델에 따라 데이터셋 설계도 달라집니다. 데이터셋을 어떻게 구성하고 모델을 어떻게 검증할 지 알아보겠습니다. 훈련셋, 검증셋, 시험셋 당신이 고등학교 담임선생님이고 수능 볼 학생이 3명이 있다고 가정을 해봅시다. 이 세 명 중 누가 수능을 가장 잘 볼지 알아 맞혀보도록 하겠습니다. 당신에게는 모의고사 5회분과 작년 수능 문제 1회분을 가지고 있습니다. 다음과 같이 비유될 tykimos.github.io https://book.coalastudy.com/data-science-lv1/week3/..

Validation, Test 데이터세트 비교 Validation 데이터세트는 모델의 성능을 평가하여 하이퍼파라미터 튜닝에 쓰일 수 있다. (층의 수, 층의 유닛 수 등) 검증 세트의 성능을 기반으로 모델의 설정을 튜닝하면 검증 세트로 모델을 직접 훈련하지 않더라도 빠르게 검증세트에 과대적합 될 수 있다. -> 한 번 튜닝하고 나서 검증세트에 평가한 결과를 가지고 다시 모델을 조정하는 과정을 여러 번 반복하면 검증세트에 관한 정보를 모델에 아주 많이 노출시키게 되어 과대적합 될 수 있다. Test 데이터세트는 완전히 새로운 데이터이어야 하며 모델은 간접적으로 어떠한 정보도 주면 안됨 -> 테스트 세트 성능에 기초하여 튜닝한 모델의 모든 설정은 일반화 성능을 왜곡시킬 것이다. * 데이터가 적을 경우 사용하면 좋은 고급 기법 - 단순 홀드아웃 검증(ho..

이전 1 ··· 21 22 23 24 25 26 27 ··· 30 다음

티스토리툴바