![]()
처음은 Tensorflow Serving 처음에는 tensorflow serving 을 사용하고자 했습니다. AWS에 올리고 Docker로 쉽게 설치할 수 있기에 바로 시도해볼 수 있었습니다. 설치와 실행은 했는데, Request 호출할 때 아래와 같은 에러 메세지가 발생하였습니다. ConnectionError: HTTPSConnectionPool(host='AWS주소', port=8501): Max retries exceeded with url: /v1/models/model/versions/1:predict (Caused by NewConnectionError(' : Failed to establish a new connection: [Errno 110] Connection timed out')) 인..
reduce learning rate : 발산할 때도 써도 되겠지만, loss 가 더 이상 감소하지 않을 때 learning rate를 줄이는 정책을 쓰게 됩니다. 멀리서 볼 때는 멈춰있는 것 같아 보이지만 확대해 보면 이 사이에서 진동하고 있을 가능성이 높다. learning rate 줄여야 최저점으로 내려가게 된다.
reshape 은 행렬의 크기를 바꿀 순 없다 행렬의 크기가 변하지 않는 선에서 shape를 바꾸는 것 ex) 10, 10 -> 100, 1 사이즈를 바꿀 수 있는 게 resize
https://arxiv.org/abs/2206.02631 A Survey on Modern Recommendation System based on Big Data Recommendation systems have become very popular in recent years and are used in various web applications. Modern recommendation systems aim at providing users with personalized recommendations of online products or services. Various recommendation techniqu arxiv.org A Survey on Modern Recommendation Syste..
![]()
1.Collaborative Filtering based Recommendation 1.1 Neighborhood-based CF 1.2 Model-based CF 1.2.1 Matrix Factorization 1.2.2 Distance-based CF 1.2.2.1 Euclidean Embedding 1.2.2.2 Metric Learning 2.Content-based Recommendation 2.1 Review-based Recommendation 3.Knowledge Graph based Recommendation 4.Hybrid Recommendation 5.Deep Learning based Recommendation 5.1 Multi-layer Perceptron (MLP) 5.2 Aut..
input 224, 224, 3 conv1 f.size = 3, 3 n.f = 16 stride = 1 (same padding) Pool1 f.size = 2, 2 stride = 2 Conv2 f.size = 3, 3 n.f = 64 stride = 1 (same padding) Pool2 f.size = 2, 2 stride = 2 1-1. 각 층의 weight의 개수 채널은 인풋을 따라간다 하나의 필터가 갖는 weight의 개수 3*3*3 = 27개 그런 필터가 16개이므로 27 * 16 0 3*3*16* 64 0 1-2. bias 포함한 각 층의 weight의 개수 (27 + 1) * 16 0 (3*3*16 + 1)* 64 0 2-1. 각 층의 feature map size 222, 222, 1..
한장의 이미지의 크기는 10x10, 즉 100개의 피처로 이루어져 있는 흑백이미지. 라벨은 총 신발, 셔츠, 바지 3종류다 은닉층의 노드는 100개로 총 2층짜리 다층 퍼셉트론이다. 총 weight의 개수를 계산해보자 1) bias 제외 10300 = 100*100 + 100*3 2) bias 포함 10300 + (100 + 3) = 10403 | -> | -> | 100 100 3 ---- ----- weight: 100 * 100 100 * 3 bias: 100 3 weight는 모델의 구조에 대해서 모르고 있는지에 대해 알 수 있다.
https://colah.github.io/posts/2014-03-NN-Manifolds-Topology/
