dl 썸네일형 리스트형 텐서플로(tensorflow)를 이용한 인공신경망 구현 # 텐서플로를 이용한 인공신경망 구현 import tensorflow as tf # MNIST data set 로드하기 ''' MNIST 데이터 셋 - 손으로 쓴 글씨 (0~9까지)의 이미지 - 훈련 데이터와 테스트 데이터를 반환 - 각각 입력 이미지와 해당 이미지의 레이블로 구성됨 ''' (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data() # 이미지 데이터를 float32로 변경하기 ''' astype()함수 사용해서 이미지 데이터 자료형 변경 => 신경망 모델의 입력으로 사용하기 위함 ''' x_train, x_test = x_train.astype('float32'), x_test.astype('float32') # .. 더보기 108일차 코딩학원 (Tensorflow, @tf.function) 6/27 공부 내용 정리 1. Java, Python, Kotlin은 배우고 익혀야 한다. 인공지능은 blue Ocean이다. 앞으로 많이 다루게 될 것! 2. 텐서플로(Tensorflow) : 1) 텐서(Tensor) - 행렬로 표현할 수 있는 2차원 형태의 배열을 높은 차원으로 확장한 다차원 배열 2) 텐서플로의 계산은 데이터 흐름 그래프(dataflow graph)로 이루어짐 3) 데이터들이 딥러닝 모델을 구성하는 연산들의 그래프를 따라 연산이 일어나기 때문에 텐서플로라는 이름이 붙음 4) 기능 - 사전학습 모델 제공 - 고수준(High-level) API 제공 - 텐서보드 및 keras와 같은 추상화 라이브러리 제공 한마디로 구글에서 기계학습 분야를 일반인들도 사용하기 쉽도록 다양한 기능들을 무료.. 더보기 105일차 코딩학원 (시각화의 중요성) 6/22 공부 내용 정리 1. 내일이 마지막 능력단위평가다. 힘내자. 2. 훈련 모델을 구성하는 메서드는 다음과 같다. * 옵티마이저 : 학습을 수행하는 최적화 알고리즘. * metrics - 어떤 것을 기준으로 성능을 체크할 것인지 정의함 - accuracy : 정확도를 기준으로 모델의 성능을 평가함 * 손실함수 : 신경망의 출력과 정답 레이블 간의 차이를 측정하는 함수 * sparse_categorical_crossentropy - 모델이 어떤 문제를 어떤 카테고리로 분류 했는지 확인할 수 있음 model.compile(optimizer="adam", metrics=["accuracy"], loss="sparse_categorical_crossentropy") 3. 훈련 모델을 구성하고 fit() 메.. 더보기 103일차 코딩학원 (DL) 6/20 공부 내용 정리 1. DL에 대해 학습 중이다. 인공지능은 통계학과 확률을 빼놓고 얘기할 수 없다. 아주 밀접하게 연관되어 있다. 데이터를 기반으로 학습하기 때문이다. 통계학은 데이터를 연구하는 학문이다. 데이터 안에서 규칙성을 발견하고, 객관적 의사결정을 내리는데 도움을 준다. 확률적으로 사고하는 것이 늘 정확한 결과를 만드는 것은 아니다. 그러나 합리적인 결정을 내리게 해 준다. 2. 입력 → 가중치 → 가공 / 자극 → 함수 → 출력 / ▶ 활성화 함수가 처리를 도와준다. 3. 활성화 함수의 종류는 Sigmoid , Tanh , ReLU, Leakey ReLU가 있다. 4. 딥러닝은 인공신경망을 여러 층으로 쌓아 올리는 행위다. 인공신경망은 퍼셉트론을 쌓아올린 것이다. 5. 은닉층이 뭐지?.. 더보기 102일차 코딩학원 (Deep Learning) 6/19 공부 내용 정리 1. 게시판 시퀀스 다이어그램, 유즈케이스 다이어그램 그리기. 2. DL 학습. Deep Learning은 뇌를 참고해서 설계했다. 신경 세포를 이진 출력을 내는 간단한 논리 회로로 표현한다. 3. TensorFlow는 초기 머신 러닝에서 발전한 이러한 개념과 알고리즘을 기반으로 한 머신 러닝 및 딥러닝 라이브러리다. TensorFlow는 인공 신경망을 구축하고 학습시키기 위한 강력한 도구와 API를 제공합니다. 텐서플로우를 사용하면 복잡한 수학적 계산과 신경망의 구성, 가중치 최적화 등을 쉽게 처리할 수 있다. 따라서 TensorFlow는 머신 러닝과 딥러닝 모델을 개발하고 효율적으로 학습시키기 위한 필수적인 도구로 인정받고 있다. 4. 이해가 잘 안되는 점 : 어떤 방식으로 .. 더보기 이전 1 다음
