딥러닝 썸네일형 리스트형 [딥러닝] view, reshape 차이? 모델링 차원 크기 변경 방법 딥러닝 모델을 만들때 데이터 처리기술은 정말로 중요하다. 처음 모델링을 한다면 위의 4가지 특징에 대하여 혼란이 있을 수 있다. 따라서 한번 정리해보려 한다. 딥러닝에서 view, squeeze, unsqueeze, reshape 는 텐서의 모양을 조작하고 변형하는데 중요한 연산작용을 한다. 이에 대한 각각의 기능과 예제를 통해 알아보자. 1. view (차원 변경) - view는 텐서의 원소의 개수를유지하면서 차원을 조정한다. 아래의 예시를 보면 원본 텐서 생성이 12이고 12의 약수가 3 *4 이다. 따라서 이 원소의 개수를 유지하면서 차원을 변경한 형태이다. import torch # 원본 텐서 생성 x = torch.arange(12) # 텐서의 모양을 (3, 4)로 변경 y = x.view(3,.. 더보기 [머신러닝] LSTM - GRU 란? LSTM(장단기 메모리 네트워크)와 GRU(게이트 순환 유닛)는 시계열 데이터와 자연어 처리 등에서 주로 사용되는 순환 신경망(RNN)의 변형된 형태입니다. LSTM(Long Short-Term Memory) - LSTM은 RNN의 한 종류로, 장기 의존성 문제를 해결하기 위해 고안되었습니다. - 이를 위해 '게이트(gate)'라 불리는 구조를 사용하여 정보의 흐름을 조절합니다. 게이트 구조는 다음 편에서 어떤 건지 알아봅시다. - 입력 게이트, 삭제 게이트, 출력 게이트 등으로 구성되어 각 게이트는 정보를 선택적으로 기억하거나 잊을 수 있도록 합니다. - 기본 RNN과 달리, LSTM은 장기적인 의존성을 학습하고 기억하는 능력이 있어 긴 시퀀스에서 효과적으로 작동합니다. GRU(Gated Recurre.. 더보기 [머신러닝] 의사 결정 트리(Decision Tree) 모델이란? 머신러닝 트리 모델은 의사 결정 트리(Decision Tree)를 기반으로 한 모델로, 데이터를 분석하여 특정 특징(feature, 데이터의 컬럼 요소)을 기준으로 데이터를 분할하여 예측 모델을 생성합니다. 이 모델은 입력된 데이터를 기반으로 트리 구조를 형성하고, 이를 통해 분류(Classification)나 회귀(Regression) 문제를 해결합니다. 의사 결정 트리 (Decision Tree) : 분할 기준 정하는 법 - 트리의 각 노드에서 최적의 특징과 분할 기준을 선택합니다. 이 기준은 주어진 데이터의 특성에 따라 정보 이득(Information Gain)이 최대화되는 방향으로 결정됩니다.(information gain 은 중요한 개념이므로 다음 그레서 좀 더 자세히 설명드리겠습니다.) 의사 .. 더보기 이전 1 2 다음
