Notice
Recent Posts
Recent Comments
Link
반응형
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
- conditional_edges
- 강화학습의 수학적 기초와 알고리듬의 이해
- rag
- summarize_chat_history
- RecSys
- toolnode
- 강화학습
- lcel
- Python
- REACT
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
- conditional_edge
- Ai
- rl
- removemessage
- add_subgraph
- chat_history
- langgraph
- 강화학습의 수학적 기초와 알고리듬 이해
- pinecone
- tool_binding
- tool_calls
- LangChain
- 추천시스템
- 밑바닥부터 시작하는 딥러닝
- update_state
- human-in-the-loop
- humannode
- subgraph
- langgrpah
Archives
- Today
- Total
반응형
목록식5.13 (1)
반응형
타임트리
5장 어파인 변환 추가
"[식 5.13]으로 이끄는 과정은 생략합니다" 밑바닥부터 시작하는 딥러닝 5장을 읽던 중 뭔가 불편한 부분이 있었다. 172페이지 [식 5.13]과 관련된 내용인데, 딥러닝 공부를 시작하고자 마음 먹으면서 내가 밑바닥부터 시작하는 딥러닝을 고른 이유는 기초 책 중 수식이 많아보였기 때문이다. 그런데 생략이라니.. 따라서 구글링을 통해 비슷한 내용을 발견하고 완벽한 증명은 아니지만 유도 정도는 해보고자 했다. 아래는 이를 간단하게 정리한 내용이다. 5.6.1 Affine 계층¶ 신경망의 순전파에서는 가중치 신호의 총합($Y=XW+B$)을 계산하기 때문에 행렬의 곱(내적; np.dot())을 사용했다. 이때 행렬의 차원이 서로 맞아야 $XW$를 계산할 수 있는데, 예를 들어 다음과 같아야 한다. 이처럼 신..
Deep Learning/밑바닥부터 시작하는 딥러닝1
2022. 2. 4. 04:52