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
- Image Segmentation
- pytorch
- TEAM-EDA
- 추천시스템
- hackerrank
- 큐
- 한빛미디어
- 스택
- Machine Learning Advanced
- Semantic Segmentation
- 알고리즘
- 나는 리뷰어다
- 파이썬
- 나는리뷰어다
- 3줄 논문
- 엘리스
- Segmentation
- DFS
- Python
- 협업필터링
- Object Detection
- Recsys-KR
- MySQL
- 입문
- 코딩테스트
- TEAM EDA
- 프로그래머스
- 튜토리얼
- DilatedNet
- eda
Archives
- Today
- Total
목록dropout (1)
TEAM EDA

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