pbj0812의 코딩 일기

0. 목차 및 내용 1) A Single Neuron - 뉴런 설명 - keras.Sequential 을 이용한 인풋 설계까지 2) Deep Neural Networks - 활성화 함수, ReLU, 레이어 쌓기 3) Stochastic Gradient Descent - 로스 함수, 옵티마이저, 학습률, 배치 사이즈 4) Overfitting and Underfitting - 언더피팅, 오버피팅, - 적정한 구간을 찾기 위한 Early Stopping - 문제 도중에 csv 가 없다는 일이 발생하였는데 아래 그림과 같이 우상단의 add data 를 누르고 spotify.csv 를 받은 이후 위치 설정하면 해결 5) Dropout and Batch Normalization - 드롭아웃 - Batch Norm..

0. 목표 - tfjs-vis 를 이용한 tensorflow.js 내에서의 학습 상황 모니터링 1. vis.html - tfjs-vis import 필요 - tfvis.show.modelSummary 를 이용하면 모델의 구조를 시각화 - tfvis.show.history 를 이용하여 학습 상황 시각화 2. main.js var http = require('http'); var fs = require('fs'); var app = http.createServer(function(request,response){ var url = request.url; if(request.url == '/'){ url = '/vis.html'; } if(request.url == '/favicon.ico'){ return ..

0. 목표 - tensorflow.js 로 학습한 모델 저장하기 1. main.js var http = require('http'); var fs = require('fs'); var app = http.createServer(function(request,response){ var url = request.url; if(request.url == '/'){ url = '/save.html'; } if(request.url == '/favicon.ico'){ return response.writeHead(404); } response.writeHead(200); response.end(fs.readFileSync(__dirname + url)); }); app.listen(3001); 2. save.ht..

0. 목표 - tensorflow.js 로 모델 학습하기 1. index2.html - 데이터는 y = 1x + 1 의 형태로 준비 - fitParam 에서 epoch 횟수 정의(1만번) - epoch 1회시 해당 RMSE 출력 - model.fit 에서 모델 학습 이후 weight 와 bias 를 출력하도록 설정 2. main.js var http = require('http'); var fs = require('fs'); var app = http.createServer(function(request,response){ var url = request.url; if(request.url == '/'){ url = '/index2.html'; } if(request.url == '/favicon.ico..

0. 목표 - node.js 와 tensorflow.js 를 사용한 이미지 분류 튜토리얼 생성 - 모델 생성이 아닌 이미 생성된 모델을 가져오는 예제입니다. 1. tensorflow.js 를 사용한 이미지 판별기 파일 생성 1) tensorflow.org(링크) 접속 - 자바스크립트용 -> TensorFlow.js 시작하기 2) 모델보기 3) 이미지 분류 4) 해당 코드 복사 5) index.html 생성 6) 인터넷에서 강아지 사진을 하나 다운받고 index.html 폴더에 같이 넣어줌(파일명 dog.jpg) 2. node 를 통한 웹서버 구축 1) 동일 폴더에 main.js 파일 생성 - 맨 아래의 포트번호(해당 컴퓨터에서는 3001)를 빈 포트 번호로 맞춤 var http = require('htt..

0. 목표 - 텐서플로를 활용한 긍부정 판별기 제작 1. 실습 1) library 호출 import numpy as np from tensorflow.keras.datasets import imdb from tensorflow.keras.preprocessing import sequence from tensorflow.keras.utils import to_categorical from tensorflow.keras.layers import LSTM import tensorflow as tf import matplotlib.pyplot as plt 2) 데이터 셋 다운로드 - imdb dataset : 영화 리뷰 및 긍 부정 결과 포함 - num_words : 가장 빈번한 단어 (x_train_all, ..

0. 목표 - TensorFlow를 이용하여 sin 그래프 예측하기 1. FlowChart - input 값을 넣어주면 그에 따른 sin 그래프를 예측 2. 코드 작성 1) library 호출 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np from tensorflow import keras from tensorflow.keras import layers 2) 가상 데이터 생성 - x : 0 ~ 101*pi 를 1030 등분한 데이터를 삽입 - y : sin(x) x = np.linspace(0, 101*np.pi, 1030) y = np.sin(x) fig=plt.figure(figsize=(18, 8), dpi= 8..

0. 목표 - MNIST 예제 모델을 응용하여 내가 맞든 숫자 맞추기 1. 준비(손글씨 만들기) 1) 링크 접속(무료 온라인 포토샵) 2) 28 * 28 사이즈로 맞춘뒤 그림 저장(다른 사이즈로 할 경우 추후에 resize 필요) 3) google 드라이버에 업로드 2. 모델 작성 1) library 호출 from __future__ import absolute_import, division, print_function, unicode_literals #!pip install -q tensorflow-gpu==2.0.0-rc1 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np 2) MNIST 다운로드 mnist = tf...

0. 강의명 - TensorFlow in Practice(Coursera) 1. 강의 내용 - TensorFlow 2.0 의 기초 강좌이며 아래의 4개의 세부 과목(이미지, 이미지 고급, 언어, 타임시리즈)으로 이루어짐 - 각 과목은 다시 4주로 이루어짐(총 16주) * 딥러닝 기초랑 파이썬 아는 사람은 빨리 끝남(회사다니면서 5일 걸림) 1) Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning (1) A New Programming Paradigm (2) Introduction to Computer Vision (3) Enhancing Vision with Convolutional Neura..

0. 목표 - TensorFlow 자격증 취득을 위한 예습 - 수료증 1. Week1 - 예제코드 import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras def plot_series(time, series, format="-", start=0, end=None,label=None): plt.plot(time[start:end], series[start:end], format, label=label) plt.xlabel("Time") plt.ylabel("Value") if label: plt.legend(fontsieze=14) plt.grid(True) def trend(t..