1. 순환신경망(RNN)의 구조에서 현재 상태를 계산하기 위해서 현재 입력과 이전 순서에서의 상태 결과를 함수에 넣어줘야 한다.
2. 다대일 형태의 신경망에서는 마지막 순서 출력값과 처음 순서의 출력값을 비교하여 손실 값을 계산한다.
3. 다대다 구조의 모델에서는 입력 시퀀스와 출력 시퀀스의 길이가 항상 동일해야 한다.
4. LSTM은 기본 RNN에 비해 더 많은 파라미터를 보유하여 RNN의 그래디언트 소실 문제를 해결할 수 있다.
5. 양방향 다계층 순환신경망은 정방향과 역방향 결과물을 입력으로 받는데, 정방향 RNN셀은 미래 순서의 은닉 상태를 받고 역방향 RNN셀은 과거 순서의 은닉 상태를 받는다.
6. 은닉 상태는 신경망을 통과하면서 학습하는 파라미터이다.
7. 은닉 상태에서는 자신의 상태를 업데이트한 기억을 가지고 있다.
8. ImageFolder를 사용하면 이미지 데이터셋의 디렉토리 구조에 따라 자동으로 레이블을 지정할 수 있다.
9. VGG 모델은 주로 3x3 필터와 2x2 풀링을 사용하는 것이 특징이다.

Dacon&Kaggle 실습 문제

https://www.kaggle.com/competitions/nlp-getting-started/overview

Dacon&Kaggle 실습문제는 2주치 과제 입니다.

문제를 해결 후에 7주차 문제 제출일(11/17)에 7주차 문제 제출 페이지에 리더보드 캡쳐와 사용한 코드를 같이 제출하시면 됩니다!