-
Rounding Half to Even
반올림을 할 때의 문제는 0.5 입니다. 0.5를 제외하고는 절반은 작은 수, 절반은 큰수로 가죠. 예를들어 round(0.3)=0 이고 round(0.6)=1입니다. [0, 1] 사이의 수에 반올림을 하면 소수점 이하가 0.5인 경우를 제외하고는 round()를 하고나면 절반은 0, 절반은 1이되어 기대값이 0.5가 됩니다. 문제는 0.5인데, 통상 우리가 아는 반올림은 round(0.5)=1입니다. 이 방법을 Round Half Up이라고 합니다. 이 방법의 문제점은 대칭적이지…
Tags:
-
Changing numpy array column or shape
Changing the order of columns. This is useful when you want to reorder image data, e.g., rgb -> bgr. Changing the order of axis. For image, this is useful if you want to change the channel axis to the arbitrary position. As an example, matplotlib.pyplt.plot() accepts images in the form of (x, y, channel). Your…
Tags:
-
왜 딥 러닝이 잘 동작하는가
관련된 글을 모아가면서 포스트를 계속 업데이트 하려 합니다. 우주의 원리가 딥러닝이 배우기에 적절하기 때문 K layer로 단순하게 표현가능한 함수를 2층으로 구현하면 크기가 지수적으로 커진다. IoT, 모바일 등으로 인해 증가하는 데이터를 활용할 수 있는 모형이다
Tags:
-
Pseudo label – Semi supervised learning 방법
Training의 막바지에 도달하면 레이블이 없는 데이터로 예측을 수행한 뒤 예측된 레이블이 진짜 레이블인 것처럼해서 모델을 튜닝한다. – http://deeplearning.net/wp-content/uploads/2013/03/pseudo_label_final.pdf – Why pseudo labels? – Kaggle Forum Self Training 과는 구분.
Tags:
-
Batch Normalization
Covariate shift – A Literature Survey on Domain Adaptation of Statistical Classifiers Why does batch normalization help? – Quora Batch Normalization – SanghyukChun’s Blog
Tags:
-
Saving and loading numpy array
Code snippet from http://course.fast.ai/.
Tags:
-
Various ways to create One Hot Encoding
Using numpy: Using sklearn: Using keras’s numpy util.
Tags:
-
Linear Regression using Keras
This is example code to perform linear regression using keras. Output:
Tags:
-
Bay Area Deep Learning School 2016
장장 20시간의 강의가 유튜브에 올라와 있습니다. Day 1: https://youtu.be/eyovmAtoUx0 Day 2: https://youtu.be/9dXiAecyJrY 그리고 http://www.bayareadlschool.org/schedule 에 보시면 발표 자료가 있습니다.
Tags:
-
reshape2 vs tidyr
같은 듯 다른 듯한 두 패키지를 잘 비교한글이 있어 링크합니다. Comparison of the reshape2 and tidyr packages tidyr은 어떤일이 벌어지는지 하나하나 적는 형식이라 단계별로 알기 쉽고 함축이 없어 명확한 반면, reshape은 좀 더 선언적이라 코드가 짧고 하고자 하는 일 자체를 더 잘 설명하지 않나 싶습니다. 코드가 선언적이어야하는지 절차적이어야하는지 이 두가지는 항상 업치락뒤치락 하면서 같이 가는…
Tags: