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 |
Tags
- 신경망 첫걸음
- GPIO
- 펌웨어
- 인터럽트
- Network layer
- Linux
- 3분 딥러닝
- Generalized forward
- 신경망
- file descriptors
- demultiplexing
- 모두를 위한 딥러닝
- 리눅스
- 밑바닥부터 시작하는 딥러닝
- Class Activation Map
- 딥러닝
- LED
- 운영체제
- 모두를 위한 딥러닝]
- 디바이스 드라이버
- TensorFlow
- 스위치
- LED 제어
- Transport layer
- Router
- 텐서플로우
- RDT
- function call
- Interrupt
- Switch
Archives
- Today
- Total
건조젤리의 저장소
7-2. Learning and test data sets 본문
김성훈 교수님의 강의내용을 정리한 내용입니다.
출처 : http://hunkim.github.io/ml/
학습 데이터와 검증 데이터를 나누어 놓는 것이 일반적이지만
Learning rate와 Regularigation strength등의 부가적인 파라미터를 조절하기 위해
Validation data를 추가로 설정하기도 한다. (모의고사 느낌)
Online learning이란 추가적으로 데이터가 들어올 경우 모델을 처음부터 학습하는게 아닌
학습된 모델에 추가적으로 학습을 수행하는 것을 말한다.
실시간으로 데이터를 받아 학습!
'공부 기록 > 모두를 위한 딥러닝 (Basic)' 카테고리의 다른 글
7-4. Tensorflow를 이용한 MNIST 실습 (0) | 2019.11.07 |
---|---|
7-3. Tensorflow를 이용한 Learning rate, Evaluation실습 (0) | 2019.11.07 |
7-1. Learning rate, data preprocessing, overfitting (0) | 2019.11.07 |
6-2. Tensorflow를 이용한 Softmax Classifier구현 (0) | 2019.11.07 |
6-1. Softmax classification: Multinomial classification (0) | 2019.11.07 |
Comments