딥러닝의 현실적인 이슈들
1. 데이터 확장(Data Augmentation)
2. 데이터 정규화(Data normalization)/배치 정규화(Batch Normalization)
2021.04.29 - [딥러닝(Deep learning)] - [딥러닝] 데이터 정규화(Data nomalization)
3. 아키텍처 최적화(Architecture optimization)
4. 손실함수(Loss function)
2021.04.29 - [딥러닝(Deep learning)] - [딥러닝] 손실함수(Loss function)
5. 가중치 초기화(Weight initialization)
6. 학습률 스케줄링(Learning rate and its schedule)
2021.04.29 - [딥러닝(Deep learning)] - [딥러닝] 학습률(Learning rate)와 스케줄링
7. 과적합: 정규화, 조기종료(Overfitting: Regularization, Early stopiing)
- 2021.04.25 - [딥러닝(Deep learning)] - [딥러닝] 과적합(Overfitting)과 규제(Regularization)
8. 앙상블(Ensemble)
2021.04.29 - [딥러닝(Deep learning)] - [딥러닝] 앙상블(Ensemble)
9. 모멘텀(Momentum)
2021.04.29 - [딥러닝(Deep learning)] - [딥러닝기초] 모멘텀(Momentum)
'AI > 딥러닝 기초(Deep learning)' 카테고리의 다른 글
[딥러닝][기초] 데이터 정규화(Data nomalization) (0) | 2021.04.29 |
---|---|
[딥러닝][기초] 손실함수(Loss function) (0) | 2021.04.29 |
[딥러닝][기초] 활성화 함수(Activation Function) (0) | 2021.04.25 |
[딥러닝][기초] 과적합(Overfitting)과 규제(Regularization) (0) | 2021.04.25 |
[딥러닝][기초] Loss Curve, Accuracy Curve (2) | 2021.04.25 |
댓글