분류 전체보기

0806 합성곱 신경망

학습도니 패턴은 평균 이동 불변성을 갖는다!! -> 컨볼루션의 특징 nXn 일때 n의 크기에 따라서 패딩을 다르게 줌!! - 패딩 주기 - 스트라이드

0806 +) 가중치규제, 드롭아웃

신경망에서 과대적합을 방지하기위한 방법 1. 훈련데이터를 더 모으기 2. 네트워크의 용량을 감소시키기 3. 가중치 규제를 추가하기 4. 드롭아웃을 추가하기 - 모델 생성하기 ## 가중치 규제 모델 from keras import regularizers ## l2란 가중치의 파라미터를 모두 제곱하여 더한 후 이 값의 제곱근을 구함. ## l2(0.001)이란 가중치 행렬의 모둔 원소를 제곱하고 0.001을 곱하여 네트워크 ## 전체 손실에 더해진다는 의미. 훈련할때만 추가됨! model2 = models.Sequential() model2.add(layers.Dense(16, kernel_regularizer = regularizers.l2(0.001), activation = 'relu', input_s..

0806 영화분류하기 - 과대적합, 과소적합 (GPU Tensorflow)

레이어가 늘어날수록 웨이팅계수가 많아지기때문에 시간이 더 오래걸림 ## 3-1 from keras.datasets import imdb (train_data, train_labels),(test_data, test_labels) = imdb.load_data(num_words=10000) ## 3-2 import numpy as np def vectorize_sequences(sequences, dimension=10000): # 크기가 (len(sequences), dimension)) 이고 모든 원소가 0인 행렬을 만듦 results = np.zeros((len(sequences), dimension)) for i, sequence in enumerate(sequences) : results[i, s..

0805 Tesorflow GPU 설정을 위한 환경 만들기

conda search python 위 코드로 어떤 버전이 설치되어있는지 쭉 보고 conda create -n python="버전이름" 버전이름에 설치할 버전과 -n과 python사이에는 만들 가상환경의 이름을 넣어준다 나의경우 py36으로 만들었음. 내가 만든 가상환경으로 접속하기 activate py36 텐서플로우 gpu, keras, jupyter notebook 다운받기 pip install tensorflow-gpu pip install keras pip install jupyter notebook 가상환경을 빠져나오고 싶을때는 deactivate

0805 신경망의 구조 - 용어들의 의미

Dense : 하나하나 끊어있지않고 완전히 연결 되어져 있는것 - 케라스는 호환 가능한 층들을 엮어 데이터 변환 파이프라인을 구성함으로 딥러닝 모델을 만든다 -> 알아서 내부적인 처리를 함 GPU, CPU = 프로세싱 처리 유닛 CPU로 해서는 처리속도가 떨어짐! 표현공간 = 자유도 - 자기만의 새로운 함수를 주고싶을때 optimizer에게 객체로 뭔가를 넣어줌! model.compile(optimizer=optimizers.RMSprop(lr=0.001), loss='binary_crossentropy', metrics=['accuracy']) * 내가 분류하려는 출력수보다 층이 더 커야함 model.add(layers.Dense(64, activation='relu')) model.add(layers..

0805 CNN익히기

* 지도학습시에는 항상 레이블이 존재해야함 ## 모델 최적화 설정 ## 모델 최적화 설정 import os from keras.callbacks import ModelCheckpoint, EarlyStopping MODEL_DIR = './model/' if not os.path.exists(MODEL_DIR) : os.mkdir(MODEL_DIR) modelpath = "./model/{epoch:02d}-{val_loss:.4f}.hdf5" checkpointer = ModelCheckpoint(filepath=modelpath, monitor='val_loss', verbose=1, save_best_only=True) early_stopping_callback = EarlyStopping(moni..