공부 정리 블로그

https://colab.research.google.com/drive/19gfcIx6e2JJxtF3TrjNKsGHBESCscswI?hl=ko Google Colaboratory Notebook Run, share, and edit Python notebooks colab.research.google.com 피쳐맵 뽑아보기 실습 CAM 실습 https://colab.research.google.com/drive/12uIolyaXyMjHawMQa0qnQTXgB-dqBszM#scrollTo=F9OJNESV-yn7 Google Colaboratory Notebook Run, share, and edit Python notebooks colab.research.google.com

오늘 공부한 내용 1)전이학습 2)MAP 구현 https://junstar92.tistory.com/152#recentEntries Class Activation Map(CAM) (tensorflow v2.4.0) 오래전부터 CNN Model을 해석하기 위한 방법을 찾아왔습니다. 이전에는 주로 filter들을 시각화하거나 filter가 최대로 활성화하는 입력을 찾는 등의 filter 단위의 해석이 많았고, 실제 junstar92.tistory.com MAP구현 부분은 이 블로그를 참고했다. 코딩할 줄 모르니까, GPT한테 울며 매달릴 수 밖에 없었다. GPT_한테_질척거린_인간_대화_유출 GPT선생님의 가르침을 받아 오늘 공부한 내용은 아래와 같다 (위의 링크에서 코드를 같이 보며 지센세 답변을 같이 보..

지금쯤 초록이 나왔어야 했는데.. 많이 늦었다. 지금부터 최대한 많은 시간을 들여 논문을 완성하는 데 집중해보고자 한다. 9.23 논문 진도가 잘 나가지 않는다. 아마도 내가 논문을 쓰고자하는 방향성이 부족하지 않았나 싶어서 생성모델쪽을 공부하는 것부터 다시 새롭게 시작하고자 한다. 조금 욕심이 있다면 이번주에 도메인 데이터를 정하고 다음주에 실험을 한 번 돌려보는 것이다. 이렇게 마감일을 설정해줘야 잘 하는 것 같다 난 ㅠ 그럼 생성모델 공부부터 들어가 본다 먼저, 생성 모델에는 학습 데이터의 분포를 기반으로 할 것인지(Explicit density) 학습 데이터의 분포를 모르고 생성할 것인지(Implicit density)로 나뉜다. 이렇게 학습 데이터의 분포를 직접 구해서 활용하는 방법인 Tract..

NVAE: A Deep Hierarchical Variational Autoencoder https://arxiv.org/pdf/2007.03898v1.pdf 우리가 풀 문제 (abstract) 우리가 연구를 시작한 동기 (introduction) 관련해서 한 접근들 (related works) 근데 난 새로운 방식으로 접근해보려고 해 (method) 이게 성과를 찢을 수 있는지 실험해 봄 (experiment) 찢긴 찢었는데 좀 아쉬운 부분이 있단 말이지 (discussion) 바쁘다 바빠 현대인을 위한 3줄 요약 (conclusion) 논문의 핵심은 ‘주어진 문제를 해결하고자 노력한 기여(contribution)'를 봐줘! 초록 읽기 (Abstract) Normalizing flows, autoreg..

논문 읽는 법 참고 포스팅 https://gradschoolstory.net/terry/readingpapers/ (Abstract) 나는 이런 문제를 풀거야 We propose a technique for producing ‘visual explanations’ for decisions from a large class of Convolutional Neural Network (CNN)-based models, making them more transparent and explainable. 우리는 CNN을 기반을 둔 대량 class의 결정으로부터 더욱 설명 가능하고 투평하게 만드는 ‘시각적 설명’을 생성하는 기술을 제안합니다. (이 논문에서 제안하고자 하는 것 소개) CNN기반의 '시각적 설명'을 생..