정리하자면, 딥마인드에서 새로운 논문을 냈고, 내용은 하나의 데이터 타입이 아닌 어떤 데이터셋이 와도 처리할 수 있는 아키텍처를 제안했다. 보통 모델이 한번 잘 적합하게 되면 다른 작업에서는 바꿔서 사용할 수 없는 어려움이 있다. 이 제약은 많은 작업이 시각 및 오디오와 같은 다양한 입력을 필요로 하는 인간 인지와 매우 대조된다고 하며, 최근 DeepMind는 다양한 유형의 입력 데이터 세트를 처리할 수 있는 범용 아키텍처를 공개하는 두 개의 논문을 발표했다. “Perceiver: General Perception with Iterative Attention” “Perceiver IO: A General Architecture for Structured Inputs & Outputs” 첫번째 논문에서는 ..

https://towardsdatascience.com/designing-your-neural-networks-a5e4617027ed Designing Your Neural Networks A Step by Step Walkthrough towardsdatascience.com What’s a good learning rate? How many hidden layers should your network have? Is dropout actually useful? Why are your gradients vanishing? 모델링을 하다 보면 이런 질문들이 나올 수 있다. 이 포스트에서는 네트워크 아키텍처를 만들 때의 팁들을 제시한다. 이것을 포스팅하는 이유는 중간에 activation에 따라서 어떠한 ..

도움이 되셨다면, 광고 한번만 눌러주세요. 블로그 관리에 큰 힘이 됩니다 ^^ 페북에서 유명하게 공유가 되고, 개인적으로도 관심이 있는 글이라 빠르게 읽고 쓰려고 한다. 코드는 medium을 참고하기 바란다! 코드는 밑에 URL https://towardsdatascience.com/extreme-rare-event-classification-using-autoencoders-in-keras-a 565b386f098?fbclid=IwAR32xfDs_a8mAtBz6tRamLVwZVtZESWbkelX8-lRNkWKqPkKqHlR5-Gy2e4 Extreme Rare Event Classification using Autoencoders in Keras In this post, we will learn how ..