C++와 CUDA C로 구현하는 딥러닝 알고리즘. 3 > 컴퓨터공학

기본설명

C++와 CUDA C로 구현하는 딥러닝 알고리즘. 3



도서명:C++와 CUDA C로 구현하는 딥러닝 알고리즘. 3
저자/출판사:티모시,마스터즈/에이콘출판
쪽수:228쪽
출판일:2017-01-02
ISBN:9788960779471

목차
1장. 소개

2장. 피드포워드 신경망
__다중 레이어 피드포워드 신경망 다시보기
__넒은 신경망 대 깊은 신경망
__지역적으로 연결된 레이어
____행, 열, 슬라이스
____합성곱 레이어
____절반-너비와 패딩
____스트라이딩과 유용한 계산 공식
__풀링 레이어
____풀링 타입
__출력 레이어
____SoftMax 출력
__그레디언트를 구하기 위한 오차의 역전파

3장. 알고리즘 프로그래밍
__모델 선언
____가중치와 그레디언트의 처리 순서
__모델 생성자를 통한 초기화
__모든 활성화 탐색
__완전히 연결된 레이어의 활성화 계산
__지역적으로 연결된 레이어의 활성화 계산
__합성곱 레이어의 활성화 계산
__풀링 레이어 활성화 계산
__평가기준 값 계산
__그레디언트 계산
__완전히 연결된 레이어의 그레디언트
__지역적으로 연결된 레이어의 그레디언트
__합성곱 레이어의 그레디언트
__풀링 레이어의 그레디언트(존재하지 않는다!)
__풀링 레이어를 제외한 델타 값 역전파
__풀링 레이어의 델타 역전파
__멀티 스레딩 기반 그레디언트 연산
____알고리즘 프로그래밍
____스레딩을 위한 메모리 할당

4장. CUDA 코드
__CUDA 구현에서의 가중치 레이아웃
__GPU 상의 전역 변수
__초기화
__디바이스에 가중치 복사
__출력층 활성화 계산
__지역적으로 연결된 레이어와 합성곱 레이어의 활성화 계산
____공유된 메모리 활용을 통한 연산 속도 향상
____GPU 코드
____실행 코드
__풀링 레이어의 활성화 계산
__연산 절감 기법을 적용한 SoftMax와 로그 발생 가능 확률
__출력층의 델타 값 계산
__완전히 연결된 레이어로부터의 역전파
__합성곱 레이어와 지역적 레이어의 역전파
__풀링 레이어로부터의 역전파
__완전히 연결된 레이어의 그레디언트
__지역적으로 연결된 레이어와 합성곱 레이어의 그레디언트
____합성곱 그레디언트 평편화
____그레디언트 실행 코드
__그레디언트 값 가져오기
__모든 과정의 통합

5장. CONVNET 매뉴얼
__메뉴 옵션
____File 메뉴
____Test 메뉴
____Display 메뉴
__제어 파일 읽어오기
____이미지 데이터 생성과 읽어오기
____시계열 데이터를 이미지로 변환하여 읽어오기
____모델 아키텍처
____파라미터 훈련
____오퍼레이션
__이미지 출력
____훈련 이미지 출력
____필터 이미지 출력
____활성화 이미지 출력
____출력 예제
__CONVNET.LOG 파일
____가중치 출력
__CUDA.LOG 파일

등록된 사용후기

사용후기 쓰기 새 창 더보기

사용후기가 없습니다.

등록된 상품문의

상품문의 쓰기 새 창 더보기

상품문의가 없습니다.

배송정보

교환/반품