딥러닝 21
- PyTorch 기초 (5) - 학습 실무: GPU, train/eval 모드, 체크포인트, 재현성
- PyTorch 기초 (3) - 모델 조립: nn.Module, 손실, 옵티마이저, 학습 루프
- PyTorch 기초 (1) - 텐서: NumPy 배열에서 넘어오기, 그리고 GPU
- PyTorch 기초 (0) - 시리즈 소개
- 딥러닝 기초 (16) - Transformer: self-attention과 그 너머
- 딥러닝 기초 (15) - seq2seq와 어텐션
- 딥러닝 기초 (14) - LSTM과 GRU: 게이트로 장기 의존성
- 딥러닝 기초 (13) - RNN: 순환 구조와 BPTT
- 딥러닝 기초 (12) - 시퀀스와 임베딩
- 딥러닝 기초 (11) - 전이학습: 사전학습 모델과 파인튜닝
- 딥러닝 기초 (10) - CNN 아키텍처: LeNet에서 ResNet까지
- 딥러닝 기초 (9) - 합성곱과 풀링: CNN의 기초
- 딥러닝 기초 (8) - 과적합과 규제: 드롭아웃, weight decay, 조기 종료
- 딥러닝 기초 (7) - 정규화 계층: Batch Norm과 Layer Norm
- 딥러닝 기초 (6) - 가중치 초기화: Xavier와 He
- 딥러닝 기초 (5) - 최적화: SGD, 모멘텀, Adam
- 딥러닝 기초 (4) - 역전파: 연쇄법칙과 계산 그래프
- 딥러닝 기초 (3) - 손실과 출력층: softmax와 교차 엔트로피
- 딥러닝 기초 (2) - 활성화 함수: 비선형성과 ReLU·GELU
- 딥러닝 기초 (1) - 신경망 기초: 퍼셉트론에서 MLP, 순전파
- 딥러닝 기초 (0) - 시리즈 소개