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 |
- Python
- tensor
- 마코프부등식
- 젠센부등식
- ImageCaptioning
- SWEA #Python #알고리즘
- AlexNet
- ResNet
- GAN
- 체비셰프부등식
- TorchHub
- NeuralTalk
- PRML
- 머신러닝
- pytorch
- Bayes'Rule
- Bayes'Theorem
- MachineLearning
- DeepLearing
- DeepLearning
- bayes
- bayesian
- CycleGAN
- Today
- Total
목록pytorch (5)
euphoriaO-O
This article is based on the book "Deep Learing with PyTorch". https://pytorch.org/deep-learning-with-pytorch 3. It starts with a tensor The world as floating-point numbers Tensors: Multidimensional arrays Indexing tensors Named tensors Tensor element types The tensor API Tensors: Scenic views of storage Tensor metadata: Size, offset, and stride Moving tensors to the GPU NumPy interoperability G..
This article is based on the book "Deep Learning with PyTorch" https://pytorch.org/deep-learning-with-pytorch 2. Pretrained Networks 이미지 레이블링 모델 새로운 이미지 생성 모델 이미지 캡셔닝 모델 Torch Hub 2-4. Torch Hub Torch Hub: 작성자가 GitHub에 모델을 배포(publish)하고 PyTorch가 이해가능한 인터페이스로 노출시키도록 하는 메터니즘 배포 시 hubconf.py 파일 필요 dependencies = ['torch', 'math'] # 의존하는 모듈 # 레포의 entry point에서 사용자에게 노출되는 함수 def some_entry_fn(*args, ..
This article is based on the book "Deep Learning with PyTorch" https://pytorch.org/deep-learning-with-pytorch 2. Pretrained Networks 내용에 따라 이미지에 레이블링하는 모델(ResNet) 실제 이미지로부터 새로운 이미지를 제작하는 모델(GAN) 텍스트(Eng)로 이미지 내용을 설명하는 모델 Torch Hub 2-3. Image-Captioning model 이미지로부터 캡션을 영어로 생성하는 모델 1번 network은 설명에 대한 수치적 표현을 생성하는 네트워크 2번 network는 해당 수치적 표현으로부터 일관된 문장을 생성하는 RNN Recurrent: forward pass로 개별 단어를 생성한다..
This article is based on the book "Deep Learning with PyTorch". https://pytorch.org/deep-learning-with-pytorch 2. Pretrained Networks 내용에 따라 이미지에 레이블링하는 모델 실제 이미지로부터 새로운 이미지를 제작하는 모델 : GAN & CycleGAN 영문으로 이미지 내용을 설명하는 모델 (1) GAN (Generative Adversarial Network) 두 네트워크가 서로 경쟁(Adversarial)하며 위조를 만들고(Generative) 감지한다. 최종적으로 가짜(fake)로 인식될 수 없는 이미지 합성 예제를 생성한다. generator network는 이미지를 생성하고 discrimina..