DeepLearning/CS231n8 CS231n Assignment 2: Q4: ConvolutionalNetworks 내 풀이 github LINK: https://github.com/qkrtmdtj04/CS231n-Assignment GitHub - qkrtmdtj04/CS231n-AssignmentContribute to qkrtmdtj04/CS231n-Assignment development by creating an account on GitHub.github.com Convolutional Layer의 문제의식FC(Fully Connected) 레이어는 입력을 전부 1차원으로 펼쳐버린다. 이미지가 (H, W, C) 구조를 가지고 있어도, flatten 하는 순간 공간 정보가 사라진다. "왼쪽 눈 픽셀"과 "오른쪽 눈 픽셀"이 단순히 벡터의 두 원소가 되어버리는 것이다.Conv 레이어는 이 문제를 필터(filte.. 2026. 6. 7. CS231n Assignment 2: Q3: Dropout 내 풀이 github LINK: https://github.com/qkrtmdtj04/CS231n-Assignment GitHub - qkrtmdtj04/CS231n-AssignmentContribute to qkrtmdtj04/CS231n-Assignment development by creating an account on GitHub.github.com 이 과제의 풀이법은 Dropout을 처음 제안한 Improving neural networks by preventing co-adaptation of feature detectors (Hinton et al., 2012) 논문을 공부한 후 해결했다.Dropout 딥러닝 모델, 특히 파라미터가 많은 거대한 네트워크를 작은 데이터셋으로 학습시킬 때 과.. 2026. 6. 6. CS231n Assignment 2: Q2: Batch Normalization 내 풀이 github LINK: https://github.com/qkrtmdtj04/CS231n-Assignment GitHub - qkrtmdtj04/CS231n-AssignmentContribute to qkrtmdtj04/CS231n-Assignment development by creating an account on GitHub.github.com이 과제에 풀이법은 BatchNormalization은 https://arxiv.org/abs/1502.03167 논문을 공부한 후 해결했다.(군대에서 블로그 작성 중이기 때문에 수식 블록은 AI로 대체합니다.) Batch Normalization의 문제의식딥러닝에서 네트워크를 깊게 쌓을수록 학습이 점점 불안정해지는 현상이 발생한다. 앞 층의 파라미터.. 2026. 5. 30. CS231n Assignment 2: Q1: Multi-Layer Fully Connected Neural Networks 내 풀이 github LINK: https://github.com/qkrtmdtj04/CS231n-Assignment GitHub - qkrtmdtj04/CS231n-AssignmentContribute to qkrtmdtj04/CS231n-Assignment development by creating an account on GitHub.github.com Two-Layer Neural Network의 한계 (Recap)Assignment 1에서 구현한 Two-Layer Net은 입력층 → Hidden Layer → 출력층, 딱 두 개의 층으로 이루어진 구조였다. 수식으로 표현하면 아래와 같다.이 구조는 선형 분류기보다 훨씬 강력하지만, 층이 고정되어 있다는 근본적인 한계가 있다. 현실의 복잡한 문제.. 2026. 5. 21. CS231n Assignment 1: Q4: Two-Layer Neural Network 내 풀이 github LINK: https://github.com/qkrtmdtj04/CS231n-Assignment GitHub - qkrtmdtj04/CS231n-AssignmentContribute to qkrtmdtj04/CS231n-Assignment development by creating an account on GitHub.github.com Linear Classification의 한계 (Recap)지금까지 배운 SVM이나 Softmax는 결국 하나의 선(Linear)으로 데이터를 분류하는 방식이었다. 하지만 실제 데이터는 복잡하게 얽혀 있어 선 하나로는 분류하기 어려운 경우가 많다.이를 해결하기 위해 여러 개의 선을 겹치고, 그 사이에 '비선형성'을 추가한 것이 바로 Neural .. 2026. 4. 4. CS231n Assignment 1: Q3 Implement a Softmax classifier 내 풀이 github LINK: https://github.com/qkrtmdtj04/CS231n-Assignment Linear classification (Recap)앞선 SVM과 마찬가지로, 결국 핵심은 데이터를 선형적으로 분류하는 것이다.f(x, W) = Wx + b입력 이미지 x에 가중치 W를 곱해 각 클래스별 점수(score)를 구하는 과정까지는 동일하다. 다만, 이 점수를 어떻게 해석하고 Loss를 계산하느냐가 SVM과 Softmax의 차이점이다.Softmax classifierSVM이 정답 클래스가 오답 클래스보다 마진(Margin) 이상으로만 높으면 돼라는 마인드였다면, Softmax는 정답 클래스의 확률을 최대한 100%에 가깝게 높여야 하는 방식이다.1. Softmax 함수모델이 출력.. 2026. 3. 8. 이전 1 2 다음
