Page 3 - 006975

DEEP LEARNING

2장 시작하기 전에: 신경망의 수학적 구성 요소 055

2.1 신경망과의 첫 만남 056

2.2 신경망을 위한 데이터 표현 061
2.2.1 스칼라(0D 텐서) 061
2.2.2 벡터(1D 텐서) 062
2.2.3 행렬(2D 텐서) 062
2.2.4 3D 텐서와 고차원 텐서 063
2.2.5 핵심 속성 063
2.2.6 넘파이로 텐서 조작하기 065
2.2.7 배치 데이터 066
2.2.8 텐서의 실제 사례 067
2.2.9 벡터 데이터 067
2.2.10 시계열 데이터 또는 시퀀스 데이터 067
2.2.11 이미지 데이터 068
2.2.12 비디오 데이터 069
2.3 신경망의 톱니바퀴: 텐서 연산 070
2.3.1 원소별 연산 071
2.3.2 브로드캐스팅 072
2.3.3 텐서 점곱 073
2.3.4 텐서 크기 변환 076
2.3.5 텐서 연산의 기하학적 해석 077
2.3.6 딥러닝의 기하학적 해석 078
2.4 신경망의 엔진: 그래디언트 기반 최적화 079
2.4.1 변화율이란? 081
2.4.2 텐서 연산의 변화율: 그래디언트 082
2.4.3 확률적 경사 하강법 083
2.4.4 변화율 연결: 역전파 알고리즘 086
2.5 첫 번째 예제 다시 살펴보기 087
2.6 요약 089

deeplearning_07.indd 18 2018-10-05 오전 9:08:57