분류 전체보기105 Deep MNIST (2) 계산그래프 Computation Graph Python으로 효율적인 수치 연산을 하기 위해, 보통 행렬곱 등의 비싼 연산을 Python 외부에서 처리하는 NumPy등의 라이브러리들을 사용하는데, NumPy등은 다른 언어로 구현된 매우 효율적 인 코드를 이용합니다. 불행히도, 모든 op에서 Python으로 도로 스위칭하는 과정에서 아주 큰 오버헤드가 여전히 발생됩니다. 이러한 오버헤드는 GPU를 이용하거나 분산 처리할 경우에 매우 커서 데이터전송에 비용이 많이 소요될 수 있습니다. To do efficient numerical computing in Python, we typically use libraries like NumPy that do expensive operations such as matri.. 2016. 4. 27. 전문가용 Deep MNIST(1) Deep MNIST for Experts 전문가용 Deep MNIST TensorFlow는 대규모 수치계산을 수행하는 강력한 라이브러리입니다. 이 라이브러리가 가속하는 작업 중 하나는 심층신경망(Deep neural network, DNN)을 구현하고 훈련 시키는 것입니다. 이제 부터 심층합성곱NMIST분류기(deep convolutional NMIST classifier)를 만들면서 TensorFlow 모델의 기본 빌딩블록에 대해 배울 것입니다. TensorFlow is a powerful library for doing large-scale numerical computation. One of the tasks at which it excels is implementing and training de.. 2016. 4. 27. An Overview of Statistical Learning 통계적 학습의 개요 Statistical learning refers to a vast set of tools for understanding data. 통계적 학습은 데이터를 이해하기 위한 도구의 광대한 집합을 의미합니다. These tools can be classified as supervised or unsupervised. 이들 도구는 지도 또는 자율로 분류할 수 있습니다. Broadly speaking, supervised statistical learning involves building a statistical model for predicting, or estimating, an output based on one or more inputs. 대체적으로, 지도 통계적 학습은 하나 이상의 입력에 기초하여 출.. 2016. 4. 5. Statistical learning 통계적 학습 Statistical learning refers to a set of tools for modeling and understanding complex datasets. 통계적 학습은 복합적인 데이터집합을 모델링하고 이해하기 위한 도구의 집합을 의미합니다. It is a recently developed area in statistics and blends with parallel developments in computer science and, in particular, machine learning. 통계적 학습은 통계에서 최근에 개발된 분야로, 컴퓨터과학 그리고 특히 기계학습(ML)에서의 병행 발전과 조화를 이루고 있습니다. The field encompasses many methods such .. 2016. 4. 5. 이전 1 ··· 17 18 19 20 21 22 23 ··· 27 다음