인공지능

딥 러닝 : Transfer Learning ( MobileNetV2 )

!wget --no-check-certificate \ https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip \ -O ./cats_and_dogs_filtered.zip 개 vs 고양이 이미지 파일 다운로드 코드 import os import zipfile import numpy as np import tensorflow as tf import matplotlib.pyplot as plt # 파이썬의 진행상태를 표시해 주는 라이브러리 from tqdm import tqdm_notebook from tensorflow.keras.preprocessing.image import ImageDataGenerator %matplotlib..

딥러닝 : 원본 파일을 Train / Test 파일로 분리하여 사용하는 방법과 디렉토리를 만드는 방법

import os import zipfile import random import tensorflow as tf from tensorflow.keras.optimizers import RMSprop from tensorflow.keras.preprocessing.image import ImageDataGenerator from shutil import copyfile 필요 라이브러리 import # /tmp 경로에 압축파일을 다운로드 받고 압축 푼다. !wget --no-check-certificate \ "https://block-edu-test.s3.ap-northeast-2.amazonaws.com/kagglecatsanddogs_5340.zip" \ -O "/tmp/cats-and-dogs.zip..

딥러닝 : 이미지 데이터 증강 / Image Augmentation

텐서플로우 케라스 이미지 데이터 증강 관련 API는 https://keras.ip/api/preprocessing/image/ 여기를 참고한다. 사용하는 파라미터들을 사진으로 몇 가지 표현 하면 아래 사진들과 같다. 파라미터 사용은 위 사진과같이 사용한다. 실제 사용 코드 def build_model() : model = Sequential() model.add(Conv2D(16,(3,3),activation='relu',input_shape=(150,150,3))) model.add(MaxPooling2D((2,2),2)) model.add(Conv2D(32,(3,3),activation='relu')) model.add(MaxPooling2D((2,2),2)) model.add(Conv2D(64,(3..

딥러닝 : CNN 말과 사람 분류하기 / CNN모델링 방법 , 이미지파일을 학습 데이터로 만드는 방법(ImageDataGenerator)

모델링 이미지는 300X300 칼라 이미지다. 간단한 모델링 하기. 사진의 결과는 2개중의 하나이므로, 맨 마지막 액티베이션 함수는 'sigmoid' 사용 import tensorflow as tf from keras.layers import Dense,Flatten,Conv2D,MaxPooling2D from keras.models import Sequential 필요 라이브러리 임포트 def build_model() : model = Sequential() model.add(Conv2D(16,(3,3),activation='relu',input_shape=(300,300,3))) model.add(MaxPooling2D((2,2),2)) model.add(Conv2D(32,(3,3),activatio..