Tech도 없다

이번엔 딥러닝 심화에 걸맞게 YOLO와 VGG를 실습했습니다.VGG와 YOLO는 모두 컴퓨터 비전에서 객체 인식을 위한 딥러닝 모델이지만, 그 구조와 사용 목적이 다릅니다.VGG (Visual Geometry Group)구조: VGG는 깊은 합성곱 신경망(CNN)으로, 주로 이미지 분류에 사용됩니다. VGG16과 VGG19는 각각 16층과 19층의 깊이를 가지고 있습니다.특징: 단순하고 규칙적인 구조로, 3x3 합성곱 필터와 2x2 최대 풀링 레이어를 반복적으로 사용합니다.장점: 이미지 분류에서 높은 정확도를 자랑하며, 다양한 이미지 데이터셋에서 좋은 성능을 보입니다.단점: 계산 비용이 높고, 실시간 처리에는 적합하지 않습니다.YOLO (You Only Look Once)구조: YOLO는 객체 검출을 위..

network 문제로 어제 학습한거 리뷰!! x = np.array([[1.0,0.5]])W1 = np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]])# A1을 계산하세요B1 = np.array([[0.1,0.2,0.3]])# A1을 계산하세요 # sigmoid함수를 적용하여 Z1을 구하세요W2 = np.array([[0.1, 0.4 ], [0.2, 0.5], [0.3, 0.6]])    # (3, 2)B2 = np.array([[0.1, 0.2]])#  A2  &  sigmoid 함수를 적용하여 Z2를 구하세요W3 = np.array([[0.1,0.3],[0.2,0.4]])B3 = np.array([0.1,0.2])# 항등함수 (입력 그대로 출력하기)를 이용하여 아웃풋 y를 구하세요 ..