Obsidian
Obsidian Plugin(1) Dataview and Tasks
이번 포스트에서는 옵시디언을 사용하면서 잘 사용하고 있는 플러그인들 중 Dataview를 소개하려고 한다.
기술 설명만 읽고 싶다면 이 목록에서 개념 정리와 실험 기록을 함께 볼 수 있다. 검색한 원문과 사례는 자료 조사에, 관심을 가진 계기와 선택의 흐름은 생각 글에 모았다.
Obsidian
이번 포스트에서는 옵시디언을 사용하면서 잘 사용하고 있는 플러그인들 중 Dataview를 소개하려고 한다.
pytorch
모델과 데이터가 준비되면, 모델을 훈련하고 검증하며 데이터에 대한 파라미터를 최적화하여 모델을 테스트한다. 훈련은 반복적인 과정으로, 각 반복마다 모델은 출력을 예측하고 예측의 오차를 계산하며, 오차에 대한 파라미터의 미분 값을 수집하고 경사 하강법을 사용하여 파라미터를 최적화한다
pytorch
신경망을 훈련시킬 때 가장 자주 사용되는 알고리즘은 역전파(backpropagation)라고 할 수 있는데, 이 알고리즘에서 모델 가중치는 손실함수에 대한 파라미터의 기울기에 따라 조정된다
pytorch
신경망은 데이터 처리를 위한 층과 모듈로 이루어져 있으며, torch.nn은 PyTorch에서 신경망을 구성하는 다양한 레이어, 손실 함수, 활성화 함수 등 신경망과 관련된 모든 구성 요소를 포함하는 모듈을 제공한다
pytorch
데이터셋 코드와 모델 훈련 코드를 서로 독립적으로 작성하는 것은 코드의 가독성과 모듈성을 높이는 중요한 원칙이다. 이번 튜토리얼에서는 PyTorch에서 제공하는 두 가지 프리미티브 함수를 활용하여 데이터셋을 구성하고, 모델 훈련을 진행하는 방법을 실습하려고 한다
pytorch
최근 딥러닝 분야에서는 PyTorch가 더 많은 기업에서 요구되고 있는 추세라고 생각한다
연쇄 법칙 (Chain Rule)
aws
EC2 : Elastic Compute Cloud
aws
RDS : Amazon Relational Database Service
확률
Transformer
kaggle_competition
Attention
sequence-to-sequence
hongong
IMDB 리뷰 데이터셋
hongong
순차 데이터
hongong
합성곱 신경망의 시각화
데이터 분석을 위한 SQL레시피
hongong
합성곱 신경망을 이용한 이미지 분류
hongong
합성곱 신경망의 구성 요소
hongong
심층 신경망
hongong
인공 신경망
hongong
차원과 차원 축소
hongong
혼공머신 6-2 K-평균
hongong
군집 알고리즘
hongong
앙상블 기법
hongong
결정 트리
hongong
교차 검증과 그리드 서치
hongong
트리의 앙상블
hongong
정규 방정식
hongong
정규방정식과 경사 하강법
hongong
로지스틱 회귀
hongong
특성 공학과 규제
다항 회귀
선형회귀와 최소제곱법
grammar
새로운 걸 알 때마다 추가
info
깃허브 블로그를 만드는데 잔디가 찍히지 않는 경우
info
내가 다시 보려고 적는 실시간 localhost 다시 여는방법