MNIST DNN 과적합 드랍아웃 Overfitting Dropout Augmentation Underfitting FashionMNIST 이번 글에서는 Fashion MNIST를 통해 알아본 DNN과 Overfittng, underfittng 에 대해 알아보고, 이를 해결하는 방법에 대해서도 알아봅니다. 또한 DNN에서 흔히 사용하는 매소드에 대해 궁금한 점에 대해서도 정리하였습니다.
해당 관련해서는 글을 파란색으로 적어두었습니다. 혹시나 틀리거나 다른 의견이 있으시다면 알려주신다면 정정토록 하겠습니다 !
해당 글은 전체적으로 "3분 파이토치"라는 책의 순서를 따르되 제가 이해하고, 공부한 내용으로 정리하였습니다. 1. 과적합과 드롭아웃 오버피팅 이란 ?
데이터가 과도하게 훈련 모델에 치중되어 실제로 사용해야하는 데이터에서는 좋은 성능을 보이지 못하는 것을 말합니다. 이는 일반화를 잘 하지 못하는 것이라고도 말할 수 있습니다. ( 일반화 : 어떠한 데이터 구조의 특징만을 잘 뽑아 ...
#
crossentropyloss
#
오버피팅
#
Pytorch
#
nn
#
MNIST
#
loss
#
Fashionmnist
#
Fashion
#
DNN
#
파이토치
원문 링크 : FashionMNIST DNN
![[Prompt] Improving Zero-Shot Generalization for CLIP with Synthesized Prompts (SHIP)](https://mblogthumb-phinf.pstatic.net/MjAyNDAzMjdfMzAw/MDAxNzExNDk5MzgzNTA4.vP3wcKzj5b-4DexdkOhiObE9SPPfTm6tda70BZwO0J4g.vONXpakYm6l7tI23jSN0bcKyeOv9TBi0CZK-SQIsSsQg.PNG/image.png?type=w2)