Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Python
- 나는 리뷰어다
- 프로그래머스
- eda
- Image Segmentation
- hackerrank
- TEAM EDA
- Segmentation
- 추천시스템
- 한빛미디어
- MySQL
- Semantic Segmentation
- 3줄 논문
- 큐
- DilatedNet
- Machine Learning Advanced
- 입문
- 나는리뷰어다
- TEAM-EDA
- pytorch
- Object Detection
- 스택
- 협업필터링
- 튜토리얼
- 코딩테스트
- Recsys-KR
- DFS
- 파이썬
- 엘리스
- 알고리즘
Archives
- Today
- Total
목록일반화 (1)
TEAM EDA
[파이토치로 시작하는 딥러닝 기초] 2.5 Dropout
이번 글에서는 Overfitting과 Dropout에 대해서 배워보도록 하겠습니다. 이번 글은 EDWITH에서 진행하는 파이토치로 시작하는 딥러닝 기초를 토대로 하였고 같이 스터디하는 팀원분들의 자료를 바탕으로 작성하였습니다. 목차 Overfitting Regularization Dropout Code : mnist_nn_dropout 1. Overfitting 과도하게 현재 데이터에 대해 모델을 learning을 한 경우. 즉, Training data에 대해 acc는 높지만 Test data에 대해 acc는 낮은 현상 해결 training data를 늘린다. features의 수를 줄인다. (차원의 저주를 피하기 위함) Regularization Dropout 2. Regularization 데이터에..
EDA Study/PyTorch
2020. 3. 20. 22:54