'분류 전체보기' 카테고리의 글 목록 (31 Page)

전체보기 (1478)

[Python] NumPy 배열 생성

파이썬(Python) 범범조조 2022. 2. 18. 17:02

참조 https://colab.research.google.com/drive/1qEBbLwNJ0FZA6h1BWHm5wu4mrJhbg3ty?usp=sharing NumPy 특징 Numerical Python의 약자 고성능 과학 계산용 패키지로 강력한 N차원 배열 객체 범용적 데이터 처리에 사용 가능한 다차원 컨테이너 정교한 브로드캐스팅(broadcasting) 기능 파이썬의 자료형 list와 비슷하지만, 더 빠르고 메모리를 효율적으로 관리 반복문 없이 데이터 배열에 대한 처리를 지원하여 빠르고 편리 데이터 과학 도구에 대한 생태계의 핵심을 이루고 있음 import numpy as np print(np.__version__) 1.22.2 리스트로 배열 만들기 1차원, 2차원, 3차원 배열 numpy로 만들기..

[인공지능] 케라스 학습 기술 - 배치 정규화

인공지능 범범조조 2022. 2. 17. 23:00

참조 https://www.youtube.com/watch?v=E3HhuCjyZoA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=7 https://ichi.pro/ko/silje-baechi-jeong-gyuhwa-keras-mich-tensorflow-2-0eul-sayonghan-yeje-195627853932911 배치 정규화란? 배치 정규화는 각 미니 배치의 레이어에 대한 입력을 표준화하는 매우 심층 신경망을 훈련하는 기술입니다. 이는 학습 프로세스를 안정화하고 딥 네트워크를 훈련하는 데 필요한 훈련 시대의 수를 극적으로 줄이는 효과가 있습니다. 배치 정규화 모델에 주입되는 샘플들을 균일하게 만드는 방법 학습 후 새로운 데이터에 잘 일반화 할 수 있도록 도와줌..

[인공지능] 케라스 학습 기술 - 규제화

인공지능 범범조조 2022. 2. 17. 21:58

참조 https://www.youtube.com/watch?v=E3HhuCjyZoA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=7 https://ichi.pro/ko/silje-baechi-jeong-gyuhwa-keras-mich-tensorflow-2-0eul-sayonghan-yeje-195627853932911 규제화 복잡한 네트워크 일수록 네트워크의 복잡도에 제한을 두어 가중치가 작은 값을 가지도록 함 가중치의 분포가 더 균일하게 됨 네트워크 손심함수에 큰 가중치에 연관된 비용을 추가 L1 규제 : 가중치의 절댓값에 비례하는 비용이 추가 L2 규제 : 가중치의 제곱에 비례하는 비용이 추가(흔히 가중치 감쇠라고도 불림) 위 2 규제가 합쳐진 경우도 존재 fr..

[인공지능] 케라스 학습 기술 - 옵티마이저

인공지능 범범조조 2022. 2. 17. 20:56

참조 https://www.youtube.com/watch?v=E3HhuCjyZoA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=7 모멘텀 최적화 import tensorflow as tf from tensorflow.keras.optimizers import SGD optimizer = SGD(learning_rate = 0.001, monentum=0.9) # 알파 값으로 들어간다. 네스테로프(Nesterov) 모멘텀의 방향으로 조금 앞선 곳에서 손실함수의 그라디언트를 구함 시간이 지날수록 조금 더 빨리 최솟값에 도달 import tensorflow as tf from tensorflow.keras.optimizers import SGD optimizer = SG..

[인공지능] 케라스 학습 기술 - 가중치 초기화

인공지능 범범조조 2022. 2. 17. 19:20

참조 https://www.youtube.com/watch?v=E3HhuCjyZoA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=7 https://blog.naver.com/PostView.naver?blogId=handuelly&logNo=221831940317&parentCategoryNo=&categoryNo=31&viewDate=&isShowPopularPosts=true&from=search https://keras.io/api/layers/initializers/ 가중치 초기화의 중요성 머신러닝, 딥러닝 모델 학습에 있어서 초기 가중치 설정은 매우 중요합니다. 가중치의 설정에 따라 기울기 소실 문제 또는 표현력의 한계를 갖는 여러가지 문제가 발생하기도 하며..

[인공지능] 케라스 학습 기술 - 모델의 크기 축소

인공지능 범범조조 2022. 2. 17. 18:41

참조 https://www.youtube.com/watch?v=E3HhuCjyZoA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=7 모델의 크기 축소 가장 단순한 방법 모델의 크기를 줄인다는 것은 학습 파라미터의 수를 줄이는 것 데이터 준비 import enum from tensorflow.keras.datasets import imdb import numpy as np (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) def vectorize_seq(seqs, dim=10000): results = np.zeros((len(seqs), dim)) for i, s..

[인공지능] 케라스 기초 - 콜백

인공지능 범범조조 2022. 2. 17. 17:39

참조 https://www.youtube.com/watch?v=mzOpojTpliA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=3 콜백 fit() 함수의 callbacks 매개변수를 사용하여 케라스가 훈련의 시작이나 끝에 호출할 객체 리스트를 지정할 수 있음 여러 개 사용 가능 ModelCheckpoint tf.keras.callbacks.ModelCheckpoint 정기적으로 모델의 체크포인트를 저장하고, 문제가 발생할 떄 복구하는데 사용 EarlyStopping tf.keras.callbacks.EarlyStopping 검증 성능이 한동안 개선되지 않을 경우 학습을 중단할 때 사용 LearningRateScheduler tf.keras.callbacks.Lear..

[인공지능] 케라스 기초 - 모델 저장과 복원

인공지능 범범조조 2022. 2. 16. 18:50

참조 https://www.youtube.com/watch?v=mzOpojTpliA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=3 모델 저장과 복원 save() load_model() Sequential API, Functional API 에서는 모델의 저장 및 로드가 가능하지만 Subclassing 방식으로는 할 수 없음 Subclassing 방식 save_weights() load_weights() 위 두가지를 통해 모델의 파라미터만 저장 및 로드 JSON 형식 model.to_json() tf.keras.models.model_from_json(file_path) YAML로 직렬화 model.to_yaml() tf.keras.models.model_from_y..

[C# 문법] C# .NET의 DateTime 모범 사례

C#/C# 문법 범범조조 2022. 2. 16. 17:40

참조 https://levelup.gitconnected.com/datetime-best-practices-in-net-c-4c2679fcc9e0 https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=alsehdgus13&logNo=221124740717 소개 C# 개발자가 작업하고 있는 거의 모든 소프트웨어 시스템에서 일부 작업에 대한 TimeStamp를 나타내기 위해 DateTime 을 사용합니다. 그러나, 어떤 경우에는 DateTime 을 사용하면서 치명적일 수 있는 몇 가지 실수를 합니다. 따라서 C# .NET에서 DateTime을 처리할 때 따라야 할 모범 사례를 공유합니다. DateTime vs DateTimeOffset .N..

[인공지능] 케라스 기초 - MNIST 예제를 통해 모델 구성하기

카테고리 없음 범범조조 2022. 2. 16. 17:06

참조 https://www.youtube.com/watch?v=mzOpojTpliA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=3 https://trendy00develope.tistory.com/42 MNIST 데이터란? MNIST 데이터란 필기 숫자의 분류를 위한 학습 데이터의 집합입니다. 즉, 이 데이터는 어지럽게 필기된 숫자가 어떤 숫자에 해당하는지 정확하게 맞추기 위한 학습을 위한 것입니다. MNIST 예제 모델 구성하기 모듈 불러오기 import tensorflow as tf from tensorflow.keras.datasets.mnist import load_data from tensorflow.keras.models import Sequential ..

[인공지능] 케라스 기초 - 모델 컴파일

인공지능 범범조조 2022. 2. 15. 21:52

참조 https://www.youtube.com/watch?v=mzOpojTpliA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=3 모델 컴파일(compile) 모델을 구성한 후, 사용할 손실함수(loss), 옵티마이저(optimizer를 지정) model.compile(loss='sparse_categorical_crossentropy', optimizer='sgd' metrics=['accuracy']) loss keras.lossess.sparse_categorical_crossentropy 등과 같이 지정 가능 sparse_categorical_crossentropy 클래스가 배타적, 즐 MNIST 예제에서 (0,1,..

[인공지능] 케라스 기초 - 모델 가중치 확인

인공지능 범범조조 2022. 2. 15. 20:49

참조 https://www.youtube.com/watch?v=mzOpojTpliA&list=PL7ZVZgsnLwEHGS6EId3B_AnRYSCi_35rj&index=3 모델 가중치 확인 Keras에서 모델의 가중치 확인하는 방법은 다음과 같습니다. from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, Flatten, Dense inputs = Input(shape=(28,28,1)) x = Flatten(input_shape=(28,28,1))(inputs) x = Dense(300, activation='relu')(x) x = Dense(100, activation='relu&#3..

1
···
28
29
30
31
32
33
34
···
124

Sidebar

Copyright © BeomBeomJoJo All Rights Reserved

Designed by JB FACTORY

티스토리툴바