Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- MCU 딥러닝
- 포스코 ai 교육
- 삼성역테
- 자료구조
- 영상처리
- DP문제
- dfs
- 임베디드 딥러닝
- 삼성코딩테스트
- 삼성코테
- BFS
- 삼성역량테스트
- 포스코 AI교육
- DP
- 포스코 교육
- tinyml
- sort
- 그리디
- bfs문제
- 코테
- 코테 문제
- 딥러닝
- TensorFlow Lite
- 초소형머신러닝
- tflite
- 알고리즘
- 컴퓨팅사고
- dfs문제
- 다이나믹프로그래밍
- 코딩테스트
Archives
- Today
- Total
목록overfitting 방지 (1)
코딩뚠뚠
![](http://i1.daumcdn.net/thumb/C150x150.fwebp.q85/?fname=https://blog.kakaocdn.net/dn/Fwzg4/btq2M2h2xl7/NlruFaC5BezBGZsjXzDzF0/img.png)
개요 : 딥러닝 모델을 Training 할 때 Train Data를 Train set 과 Validation set 으로 나눠줄 필요가 있다. Keras를 이용할 때에는 validation_split 으로 나눠줄 수 있었다. keras.preprocessing.image.ImageDataGenerator (validation_split=0.7, .... etc ....) 하지만 augmentation을 하더라도 기본 데이터가 다소 적을 때 validation_split은 Train Data 전부를 사용하지 못했다. sklearn의 train_test_split() 은 random으로 validation set을 선택하지만 이또한 validation에 사용하는 데이터를 train에 사용할 수는 없다는 단점..
공부/ML&DL
2021. 4. 18. 01:23