목록머신러닝 (3)
1. 요즘 파이토치가 많이 나간다 탑티어 학회에서 파이토치로 논문 발표가 엄청 많다.. 거의 90% 정도 ? 사실 요즘은 큰 차이는 없지만, 예전에는 텐서가 구현이 조금 힘들었는데 그때 몰렸다고 한다 2. 논문들 구현한 곳인데 https://paperswithcode.com Papers with Code - The latest in Machine Learning Papers With Code highlights trending Machine Learning research and the code to implement it. paperswithcode.com 여기서도 파이토치 굉장히 많이 늘어나서.. 3. 허깅페이스에도 파이토치가 압도적이니 압도적.. 4. 그래도 텐서플로우가 구글거니까 구글에서 나오는건..
1. 딥러닝 프레임워크와 기존의 ml 과 다른건 연산량 잘라가는 딥러닝 모델의 스펙은.. 웬만하면 수십억개 물론 경우에 따라서 다르지만 연산량은 어마어마하다 2. 성능이 안나온다 , 데이터가 부족해서? 더이상 쓸 방법이 없을떄,, 의심해보곤 하는데 학습시켜야 할 파라미터가 많으면 당연히 학습 시킬 데이터도 많은 것이다 3. 결국 데이터 연산량이 많다 ! 수학적으로 풀기 힘든 문제들을 해결하기 위해 딥러닝을 사용하는데 ... 텍스트, 사운드, 이미지 1960년대 나왔던 아이디어가 2014년 쯤 부흥하게 된 이유도 .. 연산 성능의 개선 그리고 분산 ( 병렬 / 동시 ) 처리의 개념으로 가능해짐 CPU의 ALU 가 당연히 성능이 좋고, GPU는 그에 비해서 부족하다 원래 graphic unit은 렌더링 하는..
머신러닝에 필요한 선형대수 기본 지식들
차례 1. 벡터 / 행렬 2. 고유값과 고유벡터 3. 스펙트럼 분해 ( eigenvalue decomposition ) / 특이값 분해 ( SVD : singular value decomposition ) 1. 벡터 / 행렬 > 스칼라, 벡터 , 행렬 , 텐서 1. 벡터 > 벡터는 크기와 방향을 속성으로 가진다 , 서로 같은 벡터란 크기와 방향이 둘 다 같은 것 > 데이터 샘플들의 특징은 벡터로 표현된다. ex) 아이리스 데이터 셋의 행 벡터는 각각 꽃받침의 길이 ~ 등 값을 가지고 있다. > 영벡터 : 모든 원소가 0인 벡터 > 일벡터 : 모든 원소가 1인 벡터 > 두 벡터의 곱은 내적 inner product / dot product 라고 한다. > 2차 놈 norm 의 형태이다 > 단위 벡터 uni..