봄수의 연구실

- [[Deep Learning]]에서 사용하는 활성화 함수 ReLU (Rectified Linear Unit) 함수는 활성화 함수 중 하나로, 입력이 0을 넘으면 그 입력을 그대로 출력하고, 0 이하이면 0을 출력하는 함수입니다 f(x) = max(0, x) sigmoid 함수보다 ReLU의 장점 신경망의 맥락에서는 sigmoid 함수가 활성화 함수로 전통적으로 사용되었습니다. 1. 기울기 소실 문제 (Vanishing Gradient Problem) 시그모이드 함수는 출력값이 0 또는 1에 가까워질수록 그래프의 기울기가 매우 작아져서, 역전파(Back-propagation) 과정에서 가중치의 업데이트가 거의 이루어지지 않는 기울기 소실 문제가 발생합니다. 반면, ReLU 함수는 출력값이 0보다 큰 경..

딥 러닝: 강력한 도구 Andrew Ng 교수님의 강의에 있던 내용을 정리한 것입니다 최근 몇 년간 딥 러닝은 세 가지 주요 요인으로 인해 강력한 도구로 부상하였습니다 1. 데이터 양의 증가 사회의 디지털화로 인해 생성하고 수집하는 데이터 양이 폭발적으로 증가하였습니다. 이 데이터는 더 크고 복잡한 신경망을 훈련시키는 데 사용될 수 있으며, 이는 성능의 향상으로 이어집니다 2. 컴퓨터 성능의 개선 GPU와 같은 하드웨어 및 네트워킹의 발전으로 인해 더 큰 신경망을 더 빠르게 훈련시킬 수 있게 되었습니다. 이로써 연구자와 실무자들은 아이디어를 더 빠르게 반복하고, 분야에서 신속한 진전을 이룰 수 있게 되었습니다 3. 알고리즘의 개선 신경망을 훈련시키기 위해 사용되는 알고리즘들은 큰 개선을 이루었습니다. 예..

- 모든 인식 작업을 벡터 형태로 변환 처리 - 가장 간단한 [[Machine Learning|머신 러닝]] 모델 신경망은 인간 뇌를 모방한 알고리즘의 집합으로, 모든 인식 작업은 벡터 형태로 변환되어 처리됩니다. 이는 군집화와 분류를 보조하는 역할을 하며, 가장 간단한 머신 러닝 모델로 볼 수 있습니다. 신경망은 많은 다른 머신 러닝 모델의 기초가 됩니다. 가장 기본적인 신경망은 퍼셉트론이라 불리며, 이는 입력 데이터의 벡터를 받아 단일 이진 값을 출력하는 것입니다. 계층 (Layers) 신경망은 크게 세 가지 계층으로 구성됩니다. 입력 계층 (Input Layer) 데이터로 표시된 입력 벡터를 받습니다 각 뉴런은 데이터의 고유한 특징 열을 나타내며 이 계층의 크기는 데이터의 형태에 따라 결정됩니다. ..

DI (Dependency Injection, 의존성 주입) DI(Dependency Injection, 의존성 주입)는 IoC(Inversion of Control, 제어의 역전)의 구현 방법 중 하나입니다. 즉, IoC가 객체의 생성과 생명주기 관리를 프레임워크가 담당하는 전반적인 개념이라면, DI는 그 개념을 실제로 구현하는 방식 중 하나입니다. DI의 주요 개념 의존성 객체지향 프로그래밍에서 한 클래스가 다른 클래스에 의존하게 되는 경우 예를 들어, 클래스 A가 클래스 B의 메소드를 사용한다면, 클래스 A는 클래스 B에 의존하게 됩니다. 주입: 의존성 주입이란, 객체가 자신이 의존하는 객체를 직접 생성하거나 찾는 대신에 외부 시스템(즉, 프레임워크 또는 IoC 컨테이너)에서 생성된 것을 제공(주입..

Intro. 난, 손 발 달린 감자인가…? 🐥 카카오 테크 캠퍼스 - 2단계 4주차 과제 분석을 하고 과제를 수행하던 중, 컨트롤러 테스트에서 문제를 직면했다 "음흠, Product Controller에서 fakestore를 사용하니, MockBean을 만들어줘야지 그럼그럼"하면서 개발을 하고 있었는데 말이다, 분명히 데이터를 넣고, Request 내용을 출력했을 때 분명히 데이터가 출력이 되는데, 테스트 실행 결과에 response가 비어있다 기능 명세에 따르면 분명히, Request와 동일하게 데이터가 나와야 하는데 나오지 않는 것이다, 삽질 Get 요청에 Content 담아 전송 ResultActions result = mvc.perform( MockMvcRequestBuilders .get("/p..