argmax
82
작성한 질문수 4
삭제된 글입니다
답변 1
1
안녕하세요!
여기서는 Flatten하고 관계는 없습니다.
outputs 크기가 (배치 사이즈)x(클래스 수) 입니다. 즉, 각 이미지 당 클래스 수 만큼의 크기의 벡터로 표현 됩니다. 따라서 예측값을 정할 때 각 벡터마다 가장 큰 값을 기준으로 예측값을 정하기 때문에 열 기준으로 큰 값을 산정합니다.
예를 들어 클래스가 3개짜리인 문제에 배치 크기가 2인 outputs= [[0.1, 0.4, 0.5],[0.5 ,0.3, 0.2]] 라고 하면 각 열 기준 첫번째 이미지의 예측값은 2이고 두번째 예측값은 0이 되는 것입니다 :)
수업자료 제공 부탁드립니다.
0
116
2
코드가 어디에 있는지 모르겠습니다.
0
116
2
논문 구현
0
208
2
overfitting이 나는 이유가 궁금합니다.
1
185
2
분류 성능이 잘 안 나오는 이유
0
226
1
AutoEncoder 차원 질문
1
258
2
사전 학습 모델에서의 layer 변경에 대한 질문
1
224
1
7강 폴더 만들
0
266
1
4-3강 cross-validation에서의 best model 선정 기준
0
461
1
regression 문제에 대한 결과 시각화
0
219
1
Loss function 관련하여 질문드립니다.
0
971
1
early stopping 코드 문의
0
332
1
예측 그래프
0
363
1
데이터 불균형
1
367
1
8강 전이 학습 질문
0
407
2
data의 gpu처리 질문
0
248
1
nn.Linear(1024, 10) 관련 질문드립니다.
0
296
1
학습과 평가시 Loss 함수가 다른 이유
0
255
1
전처리 관련해서 질문 있습니다.
0
231
1
데이터 엔지니어의 역량을 기르려면 어떻게 해야할까요?
0
949
2
역전파 내용 중 미분 관련 질문 드립니다
1
283
1
8강 전이학습에서 kernel size 관련 질문 드립니다.
1
967
1
이미지분류-합성곱신경망(CNN) 피쳐맵 질문입니다.
1
590
1
14강 데이터 불균형 RandomRotation
1
485
1