전체 글(79)
-
[tensorflow2.x 기초 - 5] MNIST data를 활용해 optimization, loss_function, training 구현 심화
TensorFlow: Optimization & Training (Expert)¶ https://www.tensorflow.org/ 공식 홈페이지에서 설명하는 Expert 버젼을 배워보자 In [20]: import tensorflow as tf from tensorflow.keras import layers from tensorflow.keras import datasets from tensorflow.python.keras.optimizers import Adam, SGD 학습 과정 돌아보기¶ Build Model¶ In [3]: input_shape = (28, 28, 1) num_classes = 10 In [4]: inputs = layers.Input(input_shape, dtype=tf.f..
2020.09.01 -
[tensorflow2.x 기초 - 4] MNIST data를 활용해 optimization, loss_function, training 구현 기본 (keras)
Optimization & Training (Beginner)¶ tf와 layers 패키지 불러오기 In [1]: import tensorflow as tf from tensorflow.keras import layers from tensorflow.keras import datasets 학습 과정 돌아보기¶ Data -> (Model -> logit -> loss -> Optm : 반복) => result Prepare MNIST Datset¶ In [2]: (train_x, train_y), (test_x, test_y) = datasets.mnist.load_data() Build Model¶ In [3]: inputs = layers.Input((28, 28, 1)) net = layers.Con..
2020.09.01 -
[tensorflow2.x 기초 - 3] MNIST data로 CNN 구현을 통해 공부하는 모델 생성방법
Layer Explaination¶ In [1]: import tensorflow as tf Input Image¶ Input, DataSet ~ 시각화 패키지 로드 os glob matplotlib In [2]: import os import matplotlib.pyplot as plt %matplotlib inline In [3]: from tensorflow.keras import datasets (train_x, train_y), (test_x, test_y) = datasets.mnist.load_data() In [5]: image = train_x[0] 이미지 shape In [6]: # 이미지 shape 확인 image.shape Out[6]: (28, 28) In [7]: plt.imsh..
2020.08.30 -
[tensorflow2.x 기초 - 2] MNIST 시각화를 one hot encoding과 tensor 차원 다루기 - tf.expand_dims / .squeeze / to_categorical
Data Preprocess (MNIST)¶ In [1]: import numpy as np import matplotlib.pyplot as plt import tensorflow as tf %matplotlib inline 데이터 불러오기¶ TensorFlow에서 제공해주는 데이터셋(MNIST) 예제 불러오기 In [2]: from tensorflow.keras import datasets 데이터 shape 확인하기 In [3]: mnist = datasets.mnist In [64]: (train_x, train_y), (test_x, test_y) = mnist.load_data() In [49]: train_x.shape Out[49]: (60000, 28, 28) Image Dataset 들여..
2020.08.30 -
[tensorflow2.x 기초 - 1] tensorflow의 가장 기본적인 함수들 - .constant / .shape / .dtype / .cast / .numpy / tf.random.normal / tf.random.uniform
TensorFlow 2.0 간단 사용법 In [2]: import numpy as np import tensorflow as tf Tensor 생성¶ [] List 생성 In [3]: [1,2,3] Out[3]: [1, 2, 3] In [4]: [[1,2,3], [4,5,6]] Out[4]: [[1, 2, 3], [4, 5, 6]] Array 생성¶ tuple이나 list 둘 다 np.array()로 씌어서 array를 만들 수 있음 In [5]: arr = np.array([1,2,3]) In [6]: arr.shape Out[6]: (3,) In [7]: arr = np.array([[1,2,3],[4,5,6]]) In [8]: arr.shape Out[8]: (2, 3) Tensor 생성¶ tf.c..
2020.08.30 -
[Python] 이미지 시각화의 기초 PIL, opencv활용
package 불러오기¶ In [1]: import numpy as np from PIL import Image import matplotlib.pyplot as plt %matplotlib inline 이미지 파일 열기¶ opencv로도 열수 있지만, 이미지를 좌표값의 수치형으로 변형했을 때, shape 순서가 바뀌는 경향이 많다. 그렇기에 PIL로 여는 것을 학습하고자한다. In [2]: path = 'source/dog.jpg' image_pil = Image.open(path) image = np.array(image_pil) 이미지 들여다 보기¶ In [7]: image.shape # 가로 734, 세로 1100, 3(RGB색상 조합) Out[7]: (734, 1100, 3) In..
2020.08.26