ComputerVision Jack

케라스 신경망 구조 실행환경 : colab 케라스 신경망 훈련 요소 네트워크(모델) 구성 층 입력 데이터와 대응하는 라벨 cost함수 optimizer(최적화) model.add(layers.Dense(32, input_shape = (784, ))) model.add(layers.Dense(10)) # 모델에 추가된 층을 자동으로 상취 층의 크기에 맞춰진다. 출력층의 크기를 자동으로 채택 이런 네트워크 구조는 다양하게 존재한다.(가지 네트워크, 출력 여러개 네트워크, 인셉션 블록) 따라서 적절한 네트워크 구조를 채택해야한다. 네트워크를 정하면 손실 함수와 옵티마이저를 선택한다. 다출력 신경망은 여러개의 손실함수를 갖는다. 그러나 경사 하강법은 scalar의 손실 기준값으로 하기 때문에 여러 네트워크 손..

MNIST 데이터셋 사용 케라스 간단한 신경망 제작하기. 실행 환경 : clab from keras.datasets import mnist (train_images, train_labels), (test_images, test_labels) = mnist.load_data() # keras 내의 mnist 데이터셋 불러오기 데이터를 train set과 test set으로 나눈다. [데이터 정보] 28 * 28 손글 씨 영상 영상 수 = 60000개 따라서 train.shape에 관한 정보는 (60000, 28, 28)이 된다. test.shape은 (10000, 28, 28) from keras import models from keras import layers network = models.Seque..

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..