꺼내먹는지식 준

딥러닝 모델 ensemble 할 때 주의점이 무엇일까? 그냥 무조건 성능이 나온 모델을 다 때려박을까? 아니다. 모든 모델의 CrossValidation 과정을 통해 해당 validation accuracy 와 경우에따라 F1 Score 을 먼저 얻는다. 이를 통해 상위 모델들을 얻고, 또 복잡한 모델, 간단한 모델들을 섞어줘서 과적합을 방지한다. 뭐 앙상블은 뽑기 운이라고는 하지만, 실험 결과 모델의 숫자가 많아질 수록 성능이 주로 향상하는 것 같다. 당연히 일정 이하의 모델은 넣을 필요가 없다.

https://stackoverflow.com/questions/59868132/what-does-backbone-mean-in-a-neural-network What does backbone mean in a neural network? I am getting confused with the meaning of "backbone" in neural networks, especially in the DeepLabv3+ paper. I did some research and found out that backbone could mean the feature extrac... stackoverflow.com CV에서 Backbone은 모델 architecture에서 feacture extracting net..

https://www.quora.com/In-a-convolutional-neural-network-is-it-necessary-to-increase-the-feature-channels-as-the-network-goes-to-deeper-layers In a convolutional neural network, is it necessary to increase the feature channels, as the network goes to deeper layers? Answer (1 of 2): There are two main reasons for this: 1. As you apply pooling, your data gets smaller and you can afford to have more..