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
- GPT-3
- nlp
- 설명가능성
- 케라스
- AI Fairness
- Bert
- Ai
- ChatGPT
- GPT
- cnn
- 인공지능
- word2vec
- 인공지능 신뢰성
- DevOps
- 딥러닝
- 지피티
- 챗지피티
- XAI
- 자연어
- 챗GPT
- 신뢰성
- gpt2
- ML
- trustworthiness
- MLOps
- Transformer
- 트랜스포머
- Tokenization
- 머신러닝
- fairness
Archives
- Today
- Total
목록특성추출 (1)
research notes
특성추출과 미세조정(Feature extraction and Fine tuning)
★★ 의 주피터 노트북 내용 발췌 : 작은 이미지 데이터셋에 딥러닝을 적용하는 일반적이고 매우 효과적인 방법은 사전 훈련된 네트워크를 사용하는 것입니다. 사전 훈련된 네트워크는 일반적으로 대규모 이미지 분류 문제를 위해 대량의 데이터셋에서 미리 훈련되어 저장된 네트워크입니다. 원본 데이터셋이 충분히 크고 일반적이라면 사전 훈련된 네트워크에 의해 학습된 특성의 계층 구조는 실제 세상에 대한 일반적인 모델로 효율적인 역할을 할 수 있습니다. 새로운 문제가 원래 작업과 완전히 다른 클래스에 대한 것이더라도 이런 특성은 많은 컴퓨터 비전 문제에 유용합니다. 예를 들어 (대부분 동물이나 생활 용품으로 이루어진) ImageNet 데이터셋에 네트워크를 훈련합니다. 그다음 이 네트워크를 이미지에서 가구 아이템을 식별하..
딥러닝/컴퓨터비전
2022. 8. 29. 22:31