딥러닝 표준 기호

Goal

1. 딥러닝 논문에서 흔히 사용하는 표준 기호 알아보기

 

딥러닝 표준 기호

딥러닝을 설명할 때 흔히 수학 기호를 볼 수 있는데 하나씩 알아보자!

 

기본적인 기호

x(1), x(2), ... x(m) 값들은 각각 몇만개의 데이터값들을 가질수 있기 때문에 매트릭스 형태로 바꾸어 표기하는게 훨씬 간편하다.

X 매트릭스

X 매트릭스는 m개의 열과 nx개의 행을 가지게 된다. 이것을 수학 기호로는 이렇게 표기한다:

X 매트릭스는 nx개의 행과 m개의 열을 가지고 있다.

이 정보를 파이썬으로는 이렇게 얻는다:

print(X.shape)		# (nx, m)가 출력된다.

 

Y 매트릭스는 이렇게 표기한다:

Y 매트릭스

수학 기호로 표기하면 이렇게:

Y 매트릭스는 1개의 행과 m개의 열을 가지고 있다.

print(Y.shape)		# (1, m)가 출력된다.

보시다시피 X와 Y 매트릭스 둘 다 m개의 열을 가지고 있다. 즉, m개의 데이터로 모델 학습을 한다는 것이다. 그리고 딥러닝 모델 학습을 할 때에는 위와 같이 항상 m개의 개별 데이터를 열로 붙여서 정리하면 된다.

 

데이터 사이즈

 

오브젝트

 

 

참고

https://cs230.stanford.edu/files/Notation.pdf