본문 바로가기

반응형

전체 글

(291)
8장 이미지 분류 - 합성곱 신경망 (1) 8-1 합성곱(Convolution) 연산 - 합성곱 이해하기 - 합성곱 구현하기 1. 넘파이 배열 정의하고 배열 하나 선택해 뒤집기 import numpy as np w = np.array([2, 1, 5, 3]) x = np.array([2, 8, 3, 7, 1, 2, 0, 4, 5]) w_r = np.flip(w) print(w_r) ##출력: [3 5 1 2] 2. 넘파이의 점 곱으로 합성곱 수행하기 for i in range(6): print(np.dot(x[i:i+4], w_r)) ##출력: 63 48 49 28 21 20 3. 싸이파이로 합성곱 수행하기 from scipy.signal import convolve convolve(x, w, mode='valid') ##출력: array([63..
7장 여러개를 분류 - 다중 분류 (3) 7-1 텐서플로와 케라스를 사용하여 신경망 만들기 - 케라스(Kears API) 딥러닝 패키지를 편리하게 사용하기 위해 만들어진 래퍼(Wrapper) 패키지 - 텐서플로 신경망 구현 # 훈련할 가중치 변수 선언 w = tf.Variable(tf.zeros(shape=(1))) b = tf.Variable(tf.zeros(shape=(1))) # 경사하강법 옵티마이저 설정 optimizer = tf.optimizers.SGD(lr = 0.01) #에포크 횟수만큼 훈련 num_epochs = 10 for step in range(num_epochs): # 자동 미분을 위한 연산 과정 기록 with tf.GradientTape() as tape: z_net = w * x_train + b z_net = tf...
7장 여러개를 분류 - 다중 분류 (2) - 의류 이미지 분류 (패션 MNIST) - 의류 데이터 준비 ※ 텐서플로 최신 버전 설치 !pip install tensorflow_gpu==2.6.0 1. 텐서플로 임포트 import tensorflow as tf 2. 텐서플로 버전 확인 tf.__version__ ##출력: '2.6.0' 3. 패션 MNIST 데이터 세트 불러오기 (x_train_all, y_train_all), (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data() 4. 훈련 세트의 크기 확인 print(x_train_all.shape, y_train_all.shape) ##출력: (60000, 28, 28) (60000,) 5. imshow() 함수로 샘플 이미지 확인 i..

반응형