목록개발 및 공부/라이브러리&프레임워크 (52)
NeuroWhAI의 잡블로그
※ 이 글은 '골빈해커의 3분 딥러닝 텐서플로맛'이라는 책을 보고 실습한걸 기록한 글입니다. GAN(Generative Adversarial Networks)라는 신경망 구조를 이용해서 생성기와 판별기의 경쟁으로 생성기가 사실적인 이미지를 생성하도록 학습시킬 수 있습니다. 이 예제에서는 생성기가 노이즈 입력을 받아 MNIST 이미지와 비슷한 이미지를 생성하도록 하는게 목표입니다. 코드: 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 ..
이번 챕터는 뭔가 허무한 느낌이 있네요 ㅠㅠ 오토인코더 구현하고 끝이라니... 추출한 특징을 쓰는 것까지 했으면 좋았을 텐데 아쉽네요. (기초적인) 오토인코더는 입력 X와 출력 Y가 있을때 출력 Y를 X와 똑같이 만드는 방법으로 특징을 추출한다고 합니다. 단, 히든 레이어를 입력 레이어의 뉴런 개수보다 작게 배치함으로써 데이터를 압축하게 됩니다. (오히려 더 많이 배치하고 어떠한 제한을 걸어서 특징을 추출하기도 한답니다.) 코드: 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55..
책에서 짤막하게 고수준 API를 알려주더라고요! 편하긴 편한데 역시 저수준 API를 쓰는게 원리를 배우는데엔 더 좋은것 같아요. 코드: 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 #-*- coding: utf-8 -*- import tensorflow as tfimport numpy as np from tensorflow.examples.tutorials.mnist import input_data mnist = input_d..
드디어 CNN을 써봤습니다. 이전부터 계속 진행했던 MNIST 데이터로 실습하였습니다. 코드: 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 import tensorflow as tfimport numpy as np from tensorflow.examp..
저는 파이썬 알못이라 matplotlib를 처음 듣지만 파이썬을 주 언어로 사용하시던 분들은 아마 잘 아실듯... 부럽다. 아무튼 이걸로 데이터를 시각화할 수 있다고 합니다. 여기선 MNIST에 있는 손글씨 숫자 이미지를 화면에 뿌려볼겁니다. 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 import tensorflow as t..
어제 했는데 오늘 쓰네요 ㅋㅋ 어제는 텐서보드를 사용해서 이전에 만든 모델을 텐서보드로 볼 수 있게 코드를 수정했습니다. 아, 또 학습데이터를 아래처럼 외부 파일로 분리시켰습니다. data.csv 0, 0, 1, 0, 0 1, 0, 0, 1, 0 1, 1, 0, 0, 1 0, 0, 1, 0, 0 0, 0, 1, 0, 0 0, 1, 0, 0, 1 첫 두열이 x_data고 나머지가 y_data입니다. main.py 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 5..
저번에 http://neurowhai.tistory.com/80 여기에서 간단한 분류 모델이라고 올렸었는데 이건 단층 신경망이라 제대로 학습이 안됬었습니다. 그래서 책의 다음 챕터에서 심층 신경망으로 변경하는데요. 따라 해봤습니다. 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 import tensorflow as tf import numpy as np # [털, 날개] x_data = np.array( [[0, 0], [1, 0], [1, 1], [0, 0]..
넵 헌혈하고 당직서서 컨디션이 똥이지만 열심히(?) 책 따라하고 있습니다. 오늘한건 [털 유무, 날개 유무]라는 입력데이터와 [기타, 포유류, 조류]로 원 핫 인코딩된 출력을 내는 분류 모델입니다. 미리 스포해드리자면 이건 단층 신경망이라 분류가 제대로 안됩니다. 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 import tensorflow as tf import numpy as np # [털, 날개] x_data = np.array( [[0, 0], [1, 0], [1, 1], [0, 0], [..
Rust 라이브러리인 Tokio를 배우려고 합니다. 일단 공식 홈페이지의 예제를 따라하고 있는데 아는거라곤 문법 뿐이더라고요 하하하하하 직접 하나씩 따라하고 싶으신 분은 아래 링크를 보시면 됩니다. 저는 영어가 안되서 힘들었..ㅠㅠ https://tokio.rs/docs/getting-started/futures/ 아래 코드는 Futures 라이브러리와 Tokio를 써서 숫자가 소수인지 아닌지를 비동기적으로 판별하는 코드입니다. 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 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 ..
으으 머신러닝이랑 관련없이 좀 이해가 안되는 부분이 있어서 오래 걸렸네요. 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 32 33 34 35 36 37 38 39 40 41 import tensorflow as tf # 입력, 목표 출력 x_data = [1, 2, 3] y_data = [1, 2, 3] # '[1]' Shape을 가지는 변수 W, b를 -1.0 이상 1.0 미만의 균등한 범위에서 랜덤값으로 초기화 W = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) b = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) # 입..