본문 바로가기

책[이해 및 학습]16

3. [손글씨 구분] 훈련 및 정확도 & Cost 확인. 목차 인공 신경망으로 복잡한 함수 모델링 단일층 신경망 요약 다층 신경망 구조 정방향 계산으로 신경망 활성화 출력 계산 손글씨 숫자 분류 MNIST 데이터셋 구하기 다층 퍼셉트론 구현 다층 퍼셉트론 구현 In [14]: mnist = np.load('mnist_scaled.npz') mnist.files train_input, train_target, test_input, test_target = [mnist[x] for x in mnist.files] train_input.shape Out[14]: (60000, 784) In [15]: import numpy as np import sys class NeuralNetMLP(object): """피드포워드 신경망 / 다층 퍼셉트론 분류기 매개변수 ---.. 2024. 3. 9.
2. [손글씨 구분] 데이터셋 구하기[sklearn] 데이터 download 후, 아래에서 code로 압축 풀기. 사이킷런을 활용하여 데이터를 load할 경우. In [2]: from sklearn.datasets import fetch_openml from sklearn.model_selection import train_test_split data, target = fetch_openml('mnist_784', version=1, return_X_y=True) target = target.astype(int) data = ((data / 255.) - .5) * 2 train_input, test_input, train_target, test_target = train_test_split(data, target, test_size=10000, rando.. 2024. 3. 9.
1. [손글씨 구분] 데이터셋 구하기 목차 인공 신경망으로 복잡한 함수 모델링 단일층 신경망 요약 다층 신경망 구조 정방향 계산으로 신경망 활성화 출력 계산 손글씨 숫자 분류 MNIST 데이터셋 구하기 인공 신경망으로 복잡한 함수 모델링 단일층 신경망 요약 다층 신경망 구조 정방향 계산으로 신경망 활성화 출력 계산 데이터 download 후, 아래에서 code로 압축 풀기. MNIST 데이터셋은 http://yann.lecun.com/exdb/mnist/에 공개되어 있으며 다음 네 부분으로 구성되어 있습니다. 훈련 세트 이미지: train-images-idx3-ubyte.gz(9.9MB, 압축 해제 후 47MB, 60,000개 샘플) 훈련 세트 레이블: train-labels-idx1-ubyte.gz(29KB, 압축 해제 후 60KB, 60.. 2024. 3. 9.
10. [혼자 공부하는 머신러닝/딥러닝] 콜백(callback) 1. 이 과정을 돌이켜 보면 20번의 에포크 동안 모델을 훈련하여 검증 점수가 상승하는 지점을 확인 2. 그 다음 모델을 과대적합되지 않는 에포크만큼 다시 훈련 ?? 모델을 두 번씩 훈련하지 않고 한번에 끝낼 수는 없을까? ==> keras.callback 콜백(callback) 훈련 과정 중간에 어떤 작업을 수행할 수 있게 하는 객체로 keras.callbacks 패키지 아래에 있는 클래스 fit() 메서드의 callbacks 매개변수에 리스트로 전달하여 사용 ModelCheckpoint 콜백은 기본적으로 최상의 검증 점수를 만드는 모델을 자동 저장 기존 Code In [1]: import tensorflow as tf from tensorflow import keras from tensorflow i.. 2024. 3. 9.

티스토리툴바