Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- labelsmoothingloss
- cmp_to_key
- 밑바닥부터 시작하는 딥러닝
- BatchNormalization
- layernormalization
- 네이버AI부스트캠프
- 자료구조끝판왕문제
- f1loss
- 프로그래머스
- Optimizer
- Focal Loss
- 중복순열
- objectdetection
- 네이버 ai 부스트캠프
- ComputerVision
- l2penalty
- focalloss
- fasterRCNN
- DataAugmentation
- autograd
- pytorch
- 힙
- noiserobustness
- ImageClassification
- 우선순위큐
- labelsmoothing
- mmdetectionv3
- 정렬
- inference
- clibration
Archives
- Today
- Total
목록noiserobustness (1)
HealthyAI

Regularization Backgrounds Overfitting이 일어나지 않게 하고, generalization performance(일반화 성능)를 높이기 위해 필요한 방법들을 말해요. 모델의 복잡성을 조절하고 처음 본 test data에 일반화된 성능을 더 잘 보여줄수 있게 해줘요. Overfitting(과적합) 정의 : 학습데이터에 과하게 치중되게 학습되어 테스트 데이터, 성능평가 시 좋은 성능을 보이지 못하는 현상을 말한다. 발생 매개변수가 많고 표현력이 높은 모델, 훈련데이터가 적은 경우에 주로 발생 가중치 매개변수의 값이 커서 주로 발생 Regularization 방법 L1, L2 regularization Cost function(loss function) = Loss + Regula..
AI/Deep Learning
2023. 4. 20. 01:42