지속 가능한 꾸준함

임의의 두 벡터 \(a\), \(b\) 가 직교(Orthogonal)하다는 것은 벡터 \(a\)와 \(b\)간의 내적(Inner product)값이 0임을 의미합니다. 추가적으로, 두 벡터 \(a\), \(b\) 의 Norm이 각각 1이면 두 벡터는 Orthonormal 하다라고 정의됩니다. 임의의 한 행렬 \(A\)가 직교 행렬(Orthognal Matrix)일때, 직교 행렬 \(A\)는 아래와 같은 성질을 만족합니다. $$A^{-1} = A^T$$ $$AA^{T} = I$$ 여기서, \(I\) 는 단위 행렬입니다. 이렇게만 봐서는 벡터에서 쓰이는 Orthogonal의 의미와 행렬에서 쓰이는 Orthgonal의 의미가 사뭇 달라보입니다. 위의 성질을 만족하는 행렬을 왜 Orthogonal Matrix라..

import torch import torch.nn as nn import torchvision.models as models class CNN(nn.Module): def __init__(self, ): super(CNN, self).__init__() self.backbone = models.resnet18(pretrained=True) for p in self.backbone.parameters(): p.requires_grad = True self.fc = nn.Linear(512, 2) def forward(self, x): x = self.backbone.conv1(x) x = self.backbone.bn1(x) x = self.backbone.relu(x) x = self.backbone...

행렬 \(A\)가 존재합니다. \(det(A)\)가 0이 아니면, \(A\)는 invertible 합니다. \(det(A)\)가 0이면, \(A\)는 not invertible 합니다. 반대로, \(A\)가 invertible 하면, \(det(A)\)는 0이 아닙니다. \(A\)가 not invertible 하면, \(det(A)\)는 0입니다. Linear equation \(Ax=b\)가 존재합니다. \(det(A)\)가 0이 아니면, \(A\)는 invertible 하기때문에 다음의 공식을 통해 Unique solution인 \(x\)를 계산할 수 있습니다. Linear equation \(Ax=0\)가 존재합니다. \(det(A)\)가 0이 아니면, Unique solution인 \(x\)는 영..