gemm GEMM 이란? 참고 자료 : https://petewarden.com/2015/04/20/why-gemm-is-at-the-heart-of-deep-learning/ General Matrix to Matrix Multiplication 1979년에 만들어진 BLAS 라이브러리의 일부 입니다. 두개의 입력 행렬을 곱해서 출...

dropout_layer Dropout Layer란? Dropout Layer는 딥러닝에서 오버피팅을 방지하기 위한 regularization 기법 중 하나입니다. 이 레이어는 학습 중에 일부 뉴런을 무작위로 선택하여 출력을 0으로 만드는 과정을 수행합니다. 이렇게 함으로써 네트워크가 특정 뉴런에 과도하게 의존하지 않도록 하고, 뉴런의 가중치가 전...

detection_layer forward_detection_layer void forward_detection_layer(const detection_layer l, network net) { int locations = l.side*l.side; int i,j; memcpy(l.output, net.input, l.outp...

demo parameter #define DEMO 1 #ifdef OPENCV static char **demo_names; static image **demo_alphabet; static int demo_classes; static network *net; static image buff [3]; static image buff_lette...

deconvolutional_layer Deconvolutional Layer 란? deconvolution은 convolution을 반대로 연산합니다. 기존의 convolution은 입력 특징맵과 필터를 컨볼루션 연산하여 출력 특징맵을 생성합니다. 이로인해 특징맵의 크기는 줄어듭니다. deconvolution은 이와 반대로 특징맵의 크기를 증가...

data get_paths pthread_mutex_t mutex = PTHREAD_MUTEX_INITIALIZER; list *get_paths(char *filename) { char *path; FILE *file = fopen(filename, "r"); if(!file) file_error(filename); ...

crop_layer input(image, feature map)을 crop하기 위한 layer입니다. get_crop_image image get_crop_image(crop_layer l) { int h = l.out_h; int w = l.out_w; int c = l.out_c; return float_to_i...

crnn_layer cnn과 rnn을 결합한 layer 입니다. rnn에서 fully connected 연산을 convolutional 연산으로 바뀌어진 것 외에 딱히 변화가 없습니다. increment_layer static void increment_layer(layer *l, int steps) { int num = l->ou...

cost_layer Loss를 구하기 위한 layer입니다. COST_TYPE typedef enum{ SSE, MASKED, L1, SEG, SMOOTH,WGAN } COST_TYPE; 위 코드는 COST_TYPE라는 열거형(enum)을 정의하는 코드입니다. COST_TYPE은 네트워크의 손실 함수(loss function)를 지정하...

convolutional_layer Convolutional Layer 란? Convolution은 합성곱으로 2가지 연산을 사용합니다. 각 원소끼리 곱합니다. (element wise multiplication) 각 원소를 더합니다. 이해를 돕기위해 그림으로 살펴보겠습니다. 아래 그림과 같이 각 원소를 곱하고 합한 값을 활성화 함수...