ComputerVision Jack

[05-1 Logistic_Regression] logistic_regresssion은 이진 분류기를 뜻한다. binary classificaiton x_data = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_data = [[0], [0], [0], [1], [1], [1]] #x_data 한 묶음이 y_data 하나와 매칭이 된다. 전의 데이터는 회귀 예측이기 때문에 라벨이 1 0이 아닌 특정한 value로 되어 있었다. X = tf.placeholder(tf.float32, shape=[None, 2]) Y = tf.placeholder(tf.float32, shape=[None, 1]) #마찬가지로 x_data와 y_data(라벨)의 shape에 맞게..

[03-1 minimizing_cost_show_graph] cost graph 확인해보기 import tensorflow as tf import matplotlib.pyplot as plt #tensorflow와 cost graph를 그려보기 위해 matplotlib 라이브러리를 import합니다. X = [1, 2, 3] Y = [1, 2, 3] #x와 y데이터를 준비합니다. W = tf.placeholder(tf.float32) # bias는 고려하지 않고 weight만 신경쓰기로 하고, placeholder로 feed_dict으로 던저줄 공간을 생성합니다. hypothesis = X * W # Linear Regression 모델(가설) 설정합니다. cost = tf.reduce_mean(tf.s..

인공지능 보통의 사람이 수행하는 지능적인 작업을 자동화 하기위한 연구 활동 머신러닝(기계학습)과 딥러닝을 포괄하는 상위 개념. 과거 : rule base 현재 : dataset base - 머신러닝 과거에는 규칙에 따라 처리될 데이터를 입력하여 해답을 도출했다. 하지만 현재는 데이터를 입력하여 컴퓨터가 스스로 규칙을 찾아내서 새로운 데이터를 입력하면 기대되는 해답을 출력한다. training(훈련)과정. 머신러닝과 딥러닝의 핵심은 의미있는 데이터로의 변환이다. (데이터의 전처리가 중요하다.) 학습 : 더 나은 표현을 찾는 자동화된 과정 딥러닝 딥러닝은 머신러닝의 한 분야로 연속된 층(layer)에서 점진적으로 의미있는 표현을 배우는 강점이 존재하며, 데이터로 부터 표현을 학습하는 새로운 방법. 연속된 층..

딥러닝에 많은 관심과 학생들에게 좋은 강의를 해주시는 김성훈 교수님의 강의를 스스로 정리했습니다. 많은 부분을 배울 수 있어서 다시한번 감사의 인사를 드립니다. [02-1 linear_regression] Linear Regression (선형 회귀) 회귀란 특정한 value를 지도학습을 통해 예측하는 것을 말합니다. 딥러닝의 기본 과정은 우선 1. data set 정의 2. weight과 bias 생성 3. hypothesis 정의 4. cost 구하기 5. 경사 하강법 실행 위 단계로 크게 그룹화 되는 것을 알수 있습니다. import tensorflow as tf tf.set_random_seed(777) # 텐서 플로우를 import하고 난수 발생 seed를 설정합니다. 제 생각으로는 random..

[개념 정리] Tensorflow 그래프 형태의 수학식 계산을 수행하는 핵심 라이브러리를 구현한 후, 그 위에 딥러닝을 포함한 여러 머신 러닝을 쉽게 할 수 있는 다양한 라이브러리를 올린형태. Tensor : 자료형 Rank와 Shape [1., 2., 3.] : 랭크 1 셰이프 3 [[1., 2., 3.], [4., 5., 6.] : 랭크 2 셰이프 [2, 3] [[[1., 2., 3.]], [[7., 8., 9.]]] : 랭크 3 셰이프 [2, 1, 3] #rank 차원의 느낌 []로 묶인 개수로 이해하기 편함 #shape []의 쌍으로 이루는 개수 따라서 랭크가 0이면 스칼라 1이면 벡터, 2면 행렬 3 이상이면 n-Tensor또는 n차원 텐서라고 지칭한다. Graph 텐서들의 연산 모음 텐서들의 ..