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 |
- 미디언 필터링
- Pytorch Lecture
- pytorch zero to all
- 골빈해커
- 파이토치 김성훈 교수님 강의 정리
- 파이토치
- object detection
- 가우시안 필터링
- 영상처리
- c++공부
- c++
- 모두의 딥러닝
- 컴퓨터 비전
- MFC 프로그래밍
- tensorflow 예제
- 해리스 코너 검출
- 팀프로젝트
- TensorFlow
- matlab 영상처리
- 김성훈 교수님 PyTorch
- 딥러닝 스터디
- 딥러닝 공부
- 케라스 정리
- 파이토치 강의 정리
- c언어 정리
- pytorch
- C언어 공부
- 모두의 딥러닝 예제
- c언어
- 딥러닝
- Today
- Total
목록mnist (2)
ComputerVision Jack
[07-1 learning_rate and evalutation] learning rate 중요성 learning_rate을 바꿔 가면서 다양하게 실험해본다. x_data = [[1, 2, 1], [1, 3, 2], [1, 3, 4], [1, 5, 5], [1, 7, 5], [1, 2, 5], [1, 6, 6], [1, 7, 7]] y_data = [[0, 0, 1], [0, 0, 1], [0, 0, 1], [0, 1, 0], [0, 1, 0], [0, 1, 0], [1, 0, 0], [1, 0, 0]] #x와 y 데이터 준비, 데이터 shape을 보면 다분류기라는 것을 알 수 있다. x_test = [[2, 1, 1], [3, 1, 2], [3, 3, 4]] y_test = [[0, 0, 1], [0,..
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..