책[이해 및 학습]16 5. [혼자 공부하는 머신러닝/딥러닝] 렐루함수 & Flatten layer 기존에 사용하는 activation 함수 In [10]: import tensorflow as tf from tensorflow import keras from tensorflow import keras (train_input, train_target), (test_input, test_target) =\ keras.datasets.fashion_mnist.load_data() from sklearn.model_selection import train_test_split train_scaled = train_input/255.0 train_scaled = train_scaled.reshape(-1, 28*28) train_scaled, val_scaled, train_target, val_target =.. 2024. 3. 9. 4. [혼자 공부하는 머신러닝/딥러닝] 층을 추가하는 방법(add 메서드) 층을 추가하는 다른 방법 이전에는 Dense 클래스의 객체 dense1, dense2를 만들어서 Sequential 클래스에 전달. 두 객체를 따로 저장하여 쓸 일이 없기 때문에 아래처럼 Sequential 클래스의 생성자 안에서 바로 Dense 클래스의 객체를 만드는 경우가 많다. 추가되는 층을 한눈에 쉽게 알아보는 장점이 있다. 모델의 이름 & 층의 이름은 반드시 영문, 그리고 공백없이 작성. In [7]: import tensorflow as tf from tensorflow import keras from tensorflow import keras (train_input, train_target), (test_input, test_target) =\ keras.datasets.fashion_mni.. 2024. 3. 9. 2. [혼자 공부하는 머신러닝/딥러닝] 인공 신경망(ANN) 이미지 분류 문제에는 인공 신경망(ANN)이 잘 맞는다. 가장 기본적인 인공 신경망(ANN)은 확률적 경사 하강법을 사용하는 로지스틱 회귀와 같다. tensorflow에는 저수준 API / 고수준 API가 존재 고수준 API: keras keras 라이브러리: 직접 GPU 연산을 수행하지 않고, tensorflow(다른 라이브러리도 있음)라는 백엔드를 사용 딥러닝 라이브러리가 다른 머신러닝 라이브러리와 다른 점 중 하나는 그래픽 처리 장치인 GPU를 사용 GPU 벡터와 행렬 연산에 매우 최적화되어 있기 때문에 곱셈과 덧셈이 많이 수행되는 인공 신경망에 큰 도움 z1 ~ z10을 계산하고 이를 바탕으로 클래스를 예측하기 때문에 신경망의 최종값을 만든다는 의미에서 출력층(output layer) 인공 신경망.. 2024. 3. 9. 1. [혼자 공부하는 머신러닝/딥러닝] 로지스틱 회귀로 분석 tensorflow의 keras 임포트 진행 In [20]: from tensorflow import keras (train_input, train_target), (test_input, test_target) =\ keras.datasets.fashion_mnist.load_data() 전달받은 데이터의 크기 확인 훈련 input 데이터: 60,000개의 이미지로 구성 훈련 input 데이터: 28 x 28 크기로 구성 훈련 타깃데이터: 원소가 있는 1차원 배열 테스트 input 데이터: 10,000개의 이미지로 구성 테스트 input 데이터: 28 x 28 크기로 구성 테스트 타깃데이터: 원소가 있는 1차원 배열 In [21]: print(train_input.shape, train_target.sh.. 2024. 3. 9. 이전 1 2 3 4 다음
