일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- conjugate pseudo label paper
- 컴퓨터구조
- mocov3
- BYOL
- shrinkmatch paper
- shrinkmatch
- cifar100-c
- GAN
- WGAN
- CGAN
- tent paper
- CoMatch
- simclrv2
- adamatch paper
- Pix2Pix
- semi supervised learnin 가정
- SSL
- remixmatch paper
- Entropy Minimization
- 딥러닝손실함수
- 백준 알고리즘
- dann paper
- Meta Pseudo Labels
- Pseudo Label
- mme paper
- 최린컴퓨터구조
- CycleGAN
- dcgan
- ConMatch
- UnderstandingDeepLearning
Archives
- Today
- Total
목록crossentropy (1)
Hello Computer Vision
KL divergence, Cross Entropy
GAN을 공부하다가 VAE개념을 몰라서 공부하는데 계속 나온 식이 바로 KL divergence! 그래서 정리도 할겸 이해한 내용 그대로 끄적여 볼라고 한다. 들어가기 전에 사전 지식이 있어야한다. 모든 정보에는 양이 있고 그 양은 모두 같은 값을 가지지는 않는다. 예를 들어 '해가 동쪽에서 뜬다' 라는 정보는 너무 흔하기 때문에 정보의 양을 거의 가지지 않고 '해가 서쪽에서 뜬다'라는 정보는 흔하지 않기 때문에 많은 정보의 양을 가진다. 표기를 해보자면 x라는 정보가 있고 y라는 정보가 있다. 이러한 정보의 확률 값을 p(x), p(y)라고 할 때 이에 대한 정보의 양을 h라 하였을 때 h(x) = f(p(x)), h(y) = f(p(y)) 이렇게 임의의 함수 f를 이용하여 나타낼..
mathematics
2022. 10. 17. 14:04