NaN

· 필터크기는 이미지 특성에 따라 다르게 설정

 - 많은 객체를 인식하려면 많은 양의 픽셀이 필요 -> 더 큰 필터 사용

 - 객체가 작거나 로컬기능인 경우 -> 이미지에 비해 작은필터 사용

· VGGNet

 - VGG연구의 핵심은 네트워크의 깊이를 깊게 만드는 것이 성능에 어떤 영향을 미치는지를 확인하고자 함

 - 필터사이즈를 가장 작은 3x3으로 고정시킴으로써 네트워크의 깊이를 충분히 깊게 만들었음

 - Convolution층이 깊어질수록 성능이 향상됨을 확인

 - 3x3필터로 두차례 컨볼루션하는 것과 5x5필터로 한번 컨볼루션 하는 것이 대응됨.

· 3x3필터 3개 vs 7x7필터 1개

 - 3x3필터가 3개면 총 27개의 가중치

 - 7x7필터가 1개면 총 49개의 가중치

 - 가중치가 적다는것->훈련시켜야할 개수가 줄어들음->학습의 속도가 빨라짐

 - 층의 개수가 늘어나면서 특성에 비선형성을 더 증가시킴

· CPU vs GPU 구조

- 병렬구조. GPU는 병렬계산이 가능

- 그래픽연산을 위한 전용 하드웨어. 보통 외장 그래픽카드에 달린 가운데 큰 칩 (그래픽카드 = GPU + 메모리)

Queryset?

SQL을 작성해 주는 인터페이스

1. ForeignKey 지정

my_resume = models.ForeignKey(Resume, on_delete=models.SET_NULL, null=True, related_name='pk')
my_resume = models.IntegerField(default=0)

- 참조할 Model

- on_delete: models.CASCADE, models.SET_NULL, models.SET_DEFAULT …

- null=True : null을 허용함 ( SET_NULL으로 설정할 경우 반드시 이항목을 True로)

- related_name : 해당 테이블의 column이름과 foreign key의 이름이 다를 경우 foreign key의 이름을 명시해줌

2. Model.objects

- Model.objects.all() : 모든 테이블의 튜플을 가져옴

- Model.objects.get(name = '홍길동') : name이 홍길동인 튜플들만 가져옴

(반환값이 1개인 경우만 사용해야함! 예를들어 name이 '홍길동'인 튜플이 여러개 있거나 하나도 없을 경우엔 오류 발생)