인공지능

딥러닝 : Fashion mnist 10개로 분류된 패션 이미지를 tensorflow를 이용해 분류하기 / Flatten , softmax , 분류의 문제 loss 셋팅법

1. 이미지와 행렬 모든 이미지 사진은 픽셀당 숫자로 되어있습니다. 0~255까지 되어있고 0이 검정색, 255가 흰색입니다. 그 숫자의 데이터 타입은 Uint8(Unsigned int) 이라고 적습니다. 먼저 검정부터 회색 , 흰색으로만 되어있는데 그걸 그레이 스케일이라고 합니다. (gray image) 컬러 이미지는 RGB 3개를 사용하고, colored Image 라고 합니다. 컬러 이미지를 그레이 스케일로 바꿔서 사용합니다. (컴퓨터가 특징을 잘잡기 때문) 2. 인공지능 학습에 필요한 데이터 가져오기 밑에서 할 코딩은 https://github.com/zalandoresearch/fashion-mnist#labels 를 사용합니다. mnist=tf.keras.datasets.fashion_mnis..

딥러닝 : validation data와 Callback(EarlyStopping Library) 사용법

1. validation def build_model(): model = Sequential() model.add(Dense(units=64,activation='relu',input_shape=(9,))) model.add(Dense(units=64,activation='relu')) model.add(Dense(units=1,activation='linear')) model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss='mse',metrics=['mse','mae']) return model model=build_model() model.summary() 위 코드와 같이 모델링을 끝냈다. 이제 위에서 만든 model이라는 ..

딥러닝 : learning rate를 optimizer에 셋팅하기.

이전에는 아래와같이 코드를 작성하였다. model.compile(optimizer='Adam',loss='mse' 오차가 최소가 되는 점을 찾아야하는데, 아래 사진을 보면 너무 오래 걸릴 수도 있고, 지나칠 수도 있다 그래서 모델링을 하는 과정에 아래 코드와 같이 learning rate를 설정해 줄 수 있다. def build_model(): model = Sequential() model.add(Dense(units=64,activation='relu',input_shape=(9,))) model.add(Dense(units=64,activation='relu')) model.add(Dense(units=1,activation='linear')) model.compile(optimizer=tf.ker..

딥러닝 : Tensorflow로 리그레션 문제 모델링 하는 방법

우선 사용할 라이브러리들 import후 데이터 프레임을 불러옵니다. import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns csv 파일을 읽기 위해, 구글 드라이브 마운트를 진행합니다. from google.colab import drive drive.mount('/content/drive') working directory 를, 현재의 파일이 속한 폴더로 셋팅합니다. import os os.chdir('/content/drive/MyDrive/Colab Notebooks/ml_plus/data') 데이터 프레임을 불러옵니다. df = pd.read_csv('Car_Purchasing_Data...