일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- C언어 공부
- 파이토치 김성훈 교수님 강의 정리
- 팀프로젝트
- pytorch
- c언어 정리
- Pytorch Lecture
- 김성훈 교수님 PyTorch
- c언어
- 케라스 정리
- 파이토치 강의 정리
- matlab 영상처리
- 미디언 필터링
- 딥러닝 공부
- 해리스 코너 검출
- 영상처리
- MFC 프로그래밍
- pytorch zero to all
- 모두의 딥러닝
- 모두의 딥러닝 예제
- 컴퓨터 비전
- 파이토치
- 가우시안 필터링
- 골빈해커
- object detection
- c++공부
- 딥러닝 스터디
- 딥러닝
- c++
- tensorflow 예제
- TensorFlow
- Today
- Total
목록Keras (2)
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..