ComputerVision Jack

[RNN Dataset] 이번 스터디에선 Amazon 주식 dataset을 사용하여 내일의 주식 가격을 예측해보는 시간을 보냈습니다. csv 파일을 보시면 시계열로 데이터가 나열되어 있음을 확인할 수 있습니다. 우선 판다스의 데이터 전처리 과정을 통해서 데이터를 수정하겠습니다. 우선 date는 크게 영향을 줄거 같지 않아 제거한 후, Close와 Adj Close는 비슷하여 하나로 통합 후, Y라는 변수로 추가하였습니다. def MinMaxScalar(data): numerator = data - np.min(data, 0) denominator = np.max(data, 0) - np.min(data, 0) return numerator / (denominator + 1e-7) #데이터의 값을 MinM..

[12-0 rnn-basics] RNN엔 Cell에 대한 기본적인 접근 h = [1, 0, 0, 0] e = [0, 1, 0, 0] l = [0, 0, 1, 0] o = [0, 0, 0, 1] #실습에 사용될 hello에 대한 one-hot 인코딩 적용 with tf.variable_scope('one_cell') as scope: # One cell Rnn input_dim(4) -> output_dm(2) hidden_size = 2 cell = tf.keras.layers.SimpleRNNCell(units = hidden_size) print(cell.output_size, cell.state_size) x_data = np.array([[h]], dtype = np.float32) #x_data..

[개념정리] RNN(Recurrent Neural Network) 자연어 인식의 순환 신경망. 자연어 처리나 음성 인식처럼 순서가 있는 데이터를 처리하는데 강점인 신경망 셀(Cell) 한 덩어리의 신경망. RNN은 셀을 여러 개 중첩하여 심층 신경망을 만든다. 앞 단계 학습 결과를 다음 단계의 학습에 이용한다. [코드 정리] MNIST를 RNN으로 처리 learning_rate = 0.001 total_epoch = 30 batch_size = 128 n_input = 28 n_step = 28 n_hidden = 128 n_class = 10 #하이퍼 파라미터를 설정한다. X = tf.placeholder(tf.float32, [None, n_step, n_input]) Y = tf.placeholde..