Siamese Network (샴네트워크)
Basic Concepts 보편적으로 딥러닝 구조는 학습을 위해 이미 labeled된 많은 양의 학습데이터를 필요로 한다. 따라서 학습 데이터의 양이 부족하다는 것은 해당 딥러닝 모델의 성능이 좋지 않다는 것을 의미할 수 있다. Siamese Networks는 class당 적은량의 데이터만이 존재하거나 class별로 데이터 개수의 차이가 확연한 imbalanced class distribution의 상황에서도 예측의 정확성을 높히기 위해 고안되었다. Sianmese Networks는 동일한 parameters나 weights을 갖는 쌍둥이, 즉 twin networks로 이루어져 있다. 이 twin networks는 한 쌍의 inputs을 받아 각자 받은 하나의 input의 features받아 두 inp..
머신러닝&딥러닝
2022. 1. 18. 17:30
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- pytorch
- 파이썬
- 티스토리 코드 폰트
- np.ma.maked_where()
- Siamese Networks
- NLP
- np.tri()
- 폰트 사이즈 변경
- 오토인코더
- 논문구현
- 그래프
- 합성곱
- Python
- 주피터노트북
- anaconda3
- Summarisation
- ord()
- 윈도우
- kernal error
- 파이토치
- 샴네트워크
- Graph Neural Networks
- 재부팅
- BERT
- deep learning
- unique value
- openCV기초
- Extrative_Summarisation
- GNN
- 딥러닝
| 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 | 31 |
글 보관함