[ํ๊ต ํ๋ก์ ํธ] ๊ฐ์ธ ๋ง์ถคํ ๊ด๊ณ ๋ฌธ๊ตฌ ์์ฑ
Deep Learning ํ๋ก์ ํธ ๊ธฐํ ๊ณผ์ 1. ์ฃผ์ : ๋ฅ๋ฌ๋ ํ์ฉ ์ธ๊ณต์ง๋ฅ ์ฐ๊ตฌ ์ ์ ๊ด๋ จ ์ ํ ์ฐ๊ตฌ ํ์ ์ฐ๊ตฌ์ ์ฌ์ฉํ ์ ์๋ ๊ณต๊ฐ ๋ฐ์ดํฐ์
์ฐ๊ตฌ ์ฃผ์ ์ค๋ช
์ฐ๊ตฌ ์ํด ์ฌ์ฉํ ๋ฐฉ๋ฒ๋ก , ์ ํ ์ฐ๊ตฌ, ๋ฐ์ดํฐ์
, ํ์ต ๊ณผ์ ์ ์ 2. ํ๊ฐ ๊ธฐ์ค ์ ํ์ฐ๊ตฌ ์กฐ์ฌ ๋ฐํ ์ต์ข
๋ฐํ ์ฐ๊ตฌ ๋๊ธฐ, ์ค์์ฑ, ์ ํฉ์ฑ, ๋์ ์ฑ ๊ธฐ์กด ์ฐ๊ตฌ : ๋ค์์ฑ, ์ธ์ฉ ์ฌ๋ถ, ๊ธฐ์กด ์ฐ๊ตฌ์ ํ๊ณ์ ๋ฐ ์ ์ ๋ฐฉ๋ฒ๋ก ์ ์ฐจ์ด์ ๊ณผ ์ฅ์ ๋ฌธ์ ์ ์ : ์ ์ ๋ฐฉ๋ฒ๋ก ์ ํ์ํ ์ฉ์ด ๋ฐ Notation ์ ์, ํ๊ณ ์ ํ๋ ๋ฌธ์ ์ ์ (๋ชฉ์ ํจ์, ๊ฐ์ ๋ฑ) ๋ฐ์ดํฐ์
์ ํฉ์ฑ ์คํ ์๋๋ฆฌ์ค ์ค์ ์ ์ ๋ฐฉ๋ฒ ์ ์ฒด์ Flow : ๊ทธ๋ฆผ, ์์, ์๊ณ ๋ฆฌ์ฆ ์ด์ฉํ Input/Output ํํ Contribution ํํ
2022. 12. 30.