Let's get "IT"

https://www.tensorflow.org/tutorials/keras/text_classification?hl=ko 영화 리뷰를 사용한 텍스트 분류 | TensorFlow Core 도움말 Kaggle에 TensorFlow과 그레이트 배리어 리프 (Great Barrier Reef)를 보호하기 도전에 참여 영화 리뷰를 사용한 텍스트 분류 Note: 이 문서는 텐서플로 커뮤니티에서 번역했습니다. 커뮤니티 번역 www.tensorflow.org 1. 데이터셋 텐서플로우에서 제공하는 IMDB 데이터셋[단어 시퀀스가 미리 전처리되어 정수 시퀀스로 변환된 데이터셋] => 각 정수는 어휘 사전에 있는 특정 단어를 의미함 imdb = keras.datasets.imdb (train_data, train_labe..

https://www.tensorflow.org/tutorials/keras/classification?hl=ko 기본 분류: 의류 이미지 분류 | TensorFlow Core 도움말 Kaggle에 TensorFlow과 그레이트 배리어 리프 (Great Barrier Reef)를 보호하기 도전에 참여 기본 분류: 의류 이미지 분류 이 튜토리얼에서는 운동화나 셔츠 같은 옷 이미지를 분류하는 신경망 모델 www.tensorflow.org 1. 데이터셋 살펴보기 10개의 카테고리 [ 다중분류이기때문에 확률값으로 비교해서 가장 높은 확률의 카테고리를 선택하도록 하는 모델을 생성해야함] 70000개의 "흑백"이미지로 구성된 패션 MNIST 데이터셋 [ 이미 흑백이미지여서 색 변경을 하지 않아도 됨] 이미지 해상도..

패션 MNIST 데이터셋을 활용해 각 의류들이 해당하는 의류의 종류를 밝혀내보자! 가상환경에서 tensorflow, jupyter notebook, matplotlib, numpy를 설치후 jupyter notebook을 열어서 코드를 돌려보며 이해해보자. 1. 사용할 모듈을 import 합니다. # TensorFlow and tf.keras import tensorflow as tf # Helper libraries import numpy as np import matplotlib.pyplot as plt => 만약 설치가 제대로 되어있지 않다면 해당 모듈을 찾을 수 없다는 에러를 발견할 것임. 이러한 에러는 본인이 jupyter notebook을 연 환경에 제대로 설치가 되어있는지 확인할 필요가 있으..

손글씨 숫자 인식 손글씨를 신경망 구조를 활용해 0-9까지의 숫자중 어떤 값을 나타내는지 분류하는 과정 중 이미 학습된 매개변수를 사용해 추론 과정을 알아보자! https://github.com/sujin-create/deep-learning-from-scratch.git GitHub - sujin-create/deep-learning-from-scratch: 『밑바닥부터 시작하는 딥러닝』(한빛미디어, 2017) 『밑바닥부터 시작하는 딥러닝』(한빛미디어, 2017). Contribute to sujin-create/deep-learning-from-scratch development by creating an account on GitHub. github.com 제공하는 코드를 fork한뒤 코드를 이해하..

신경망 퍼셉트론과 신경망의 가장 큰 차이점은 매개변수를 신경망은 직접 학습하는 능력이 있다는 것이고 그것을 알기위해 신경망에 대해 다가가보자. 신경망의 예 입력층 : 입력신호가 들어오는 층 은닉층 : 입력층과 출력층의 사이에 있는 신경망을 구성하는 층 출력층 : 출력함수를 통해 결과가 들어가는 곳으로 출력값이 나오는 층 노란색부분을 보자! 위의 그림에서 b가 생략되었다고 하고 편향 b를 도입해서 다시 그려보면 다음과 같다. 이전 노드의 x1,x2가 가중치를 만나서 곱해져서 다 더해지고 편향을 도입한 결과값을 a라고 하자. a를 얼마나 큰 값으로 혹은 작은 값으로 y가 인식할 것인가를 판별해주는 것이 h(x)라는 함수이고 h(x)는 활성화시키는 정도를 결정짓는다. h(x)란 무엇일까? 활성화함수 : 입력 ..

퍼셉트론 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 모델을 퍼셉트론이라고 하며 딥러닝의 기원이 되는 알고리즘이기 때문에 매우 중요하다. 퍼셉트론의 동작 원리를 보자! y = 0 { w1x1+ w2x2 theta} * 변수의 의미 이때 x1과 x2는 입력신호이며 w1와 w2는 가중치로 각각의 입력신호가 얼마나 중요한지를 결정해준다. theata는 얼마나 "쉽게" 1이 될 수 있냐를 결정지어준다. 단순한 논리 회로와 매개변수를 살펴보자! 두 신호가 입력신호로 주어지고 하나의 출력을 내는 퍼셉트론 모델을 살펴보자. *AND게이트 => 두 입력신호가 모두 1일때만 결과로 1이 출력되어야하고 이를 만족하는 w1, w2, theata는 무수히 많다. => (0.5,0.5,0.9)의 경우에 그 예가 될 수 ..

matplotlib 딥러닝에서는 그래프와 데이터를 시각화가 중요하며 그래프를 그려주는 라이브러리인 matplotlib에 대해서 알아보자. 1. matplotlib.pyplot as plt matplotlib의 pyplot class를 plt로 정의해서 class에 정의된 메소드들을 활용하면서 그래프를 그릴 수 있음. # pyplot을 사용한 그래프그리기 import numpy as np import matplotlib.pyplot as plt x = np.arange(0,6,0.1) y = np.sin(x) plt.plot(x,y) plt.show() 2. pyplot의 기능 *label을 통한 해당하는 부분에 대한 이름을 넣어줌 *plt.plot(x축의 범위가 지정된 변수, y의 함수가 지정된 변수) ..

넘파이의 사용 딥러닝을 구현시 배열과 행렬의 계산이 많이 등장하고 이때 넘파이의 배열 클래스인 numpy.array에서의 메서드들을 사용하면 편리함 + 주로 C와 C++로 구현이 되어있기때문에 동적언어인 파이썬으로 구현됐을 때보다 처리 속도가 빠름. 1. 넘파이 배열 생성 import numpy as np => np.array를 설정하고 다양한 메소드들을 적용시키며 사용할 수 있음 #넘파이 가져오기 import numpy as np #넘파이는 파이썬의 동적언어로인한 속도가 늦다는 단점을 보완해줄 수도 있음. 정적언어인 C와 C++로 주로 구현됨. #넘파이 배열 생성 x = np.array([1.0,2.0,3.0]) print(x,type(x)) => [1. 2. 3.] 2. 넘파이의 연산 *넘파이의 연산..

what? 강화학습이란 머신러닝의 한 종류로, 어떠한 환경에대한 어떠한 행동이 잘못된 것인지 잘 된 것인지 나중에 확인하고 보상을 달리 줌으로써 반복을 통해서 스스로 학습하게 하는 방법이다. - 환경과 에이전트의 상태 등을 입력값으로 받아 인공 신경망이 행동을 결정하고 보상이 있다면 이전 학습값과 행동을 긍정적으로 학습 => 딥러닝 방법 - 마르코프 의사결정 + 학습의 개념 * 마르코프 가정 상태가 연속적으로 이어질 때 어떠한 시점에 대한 상태는 그 시점 바로 이전의 상태에만 영향을 받는다는 가정 * 마르코프 과정 상태전이 확률 : 어떠한 상태가 i일때, 그 다음 상태가 j가 될 확률을 의미함.(즉, 어떠한 상태가 특정 상태에 영향을 미칠 확률을 의미함) 이때, 마르코프 가정을 만족하면 바로 직전의 확률..

순환 신경망을 활용한 문자열 생성 | TensorFlow Core 순환 신경망을 활용한 문자열 생성 | TensorFlow Core Note: 이 문서는 텐서플로 커뮤니티에서 번역했습니다. 커뮤니티 번역 활동의 특성상 정확한 번역과 최신 내용을 반영하기 위해 노력함에도 불구하고 공식 영문 문서의 내용과 일치하지 않을 수 www.tensorflow.org 이전 RNN 상태와 이번 타임 스텝(time step)의 입력으로 다음 문자의 클래스를 예측합니다. - enumerate : tuple형태로 index번호와 컬렉션 원소를 반환해준다. - format의 사용 - 출력크기 할당 -> {(:)(크기)(형태)}로 생성가능 ex ) {:4s}: {:3d},'.format(repr(char), char2idx[ch..