ComputerVision Jack

이번 스터디에선 개와 고양이 사진으로 분류기 모델(CNN)을 tensorflow로 만들어 보는 작업을 해보았습니다. 먼저 구글 드라이브에 사용할 자료를 업로드 하였습니다. 우선 이미지 경로로부터 데이터를 얻어오기 위해 작업합니다. def selectImg1(image_path, num): fname = 'cat.{}.jpg'.format(num) img_path = os.path.join(image_path, fname) return img_path def selectImg2(image_path, num): fname = 'dog.{}.jpg'.format(num) img_path = os.path.join(image_path, fname) return img_path def preprocess_img(..

[Simple Softmax Dataset] 위 dataset은 feature1, feature2 특징만 갖고 class를 분류하는 예제입니다. 데이터에 관련하여 class 분류의 범위를 알고싶어서 print(df.drop_duplicates(['class'])) 사용하여 class관련해 중복값을 배제하고, class의 범위를 눈으로 확인할 수 있습니다. 대략적으로 sofmax를 실행한 결과 89%의 정확도를 나타내는 것을 확인할 수 있습니다.

저번 스터디에선 dataProcess 과정을 거쳐 새롭게 바뀐 csv 파일을 추출하였는데. data = df.values 과정을 통해서 데이터 프레임을 numpy array로 바꿀 수 있어서 따로 Process과정을 제외하고 바로 처리하였습니다. [Simple Logistic Dataset] 다음 SimpleDataset은 Purchased 예측하는 데이터셋입니다. UserId와 를 drop() 메소드를 이용하여 제외하고 Gender를 0과 1 이진으로 바꿔준 후에 구현하였습니다. [Heart Disease Dataset] 다음 데이터는 TenYearCHD를 예측하는 데이터셋입니다. 데이터 중간에 N/A 값이 발생하여 fillna() 메소드를 사용하여 공백값을 처리했습니다. df = df.fillna(d..

김성훈 교수님의 모두의 딥러닝 수업을 듣고 kaggle에서 데이터를 찾아 직접 tensorflow로 구현하고 싶어 스터디를 만들고 스터디 사람들과 함께 예제를 하나씩 해보기로 했습니다. [LinearRegression Dataset] 우선 가장 기본적인 데이터 셋을 찾아서 모델링으로 구현을 해봤습니다. [Insurance Dataset] 위 데이터의 경우 bmi를 예측하는 예제이다. 따라서 ['sex', 'smoker', 'region']을 수치 데이터로 변경하는 작업이 필요하다. def change_sex(column): if column == 'female': return 0 else: return 1 apply메소드에 적용할 함수를 설정한다. df['sex'] = df['sex'].apply(cha..