목록keras (23)
NeuroWhAI의 잡블로그
http://www.aladin.co.kr/shop/wproduct.aspx?ItemId=125725712 전반적으로 만족하는 편이지만 초판이라서 그런지 오타도 있고 책이 뭔가 2% 부족한 느낌을 지울 수 없네요. 그래도 케라스 입문으로는 좋은 거 같습니다. 제가 실습하면서 티스토리에 포스팅도 해놨으니 책 구매하기 전에 궁금하신 분들은 한번 보세요. (링크) 다음은 뭘 읽을지 고민.... 살 책이 있긴 한데 이거처럼 고수준 라이브러리로 실습하는게 별로 없어서... '파이썬과 케라스로 배우는 강화학습' 이걸 일단 찜해두긴 했는데 강화학습에만 너무 투자하는거 같아서 좀 그렇네여. 아직 골고루 배울때라고 보는데 쩝. '케라스로 구현하는 딥러닝과 강화학습'이라는 책도 있네요 두 책 이름이 뭔가 비슷 ㅋㅋ... ..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. 케라스의 Layer 클래스를 상속받아서 새로운 레이어를 직접 만들어 써보는 예제입니다. 간단하게 Dense와 비슷한 레이어를 만들었습니다. 공식 문서에도 비슷한 예제가 소개되어 있습니다. 코드:12345678910111213141516171819202122232425262728293031323334from keras import backend as Kfrom keras.engine.topology import Layerfrom keras import initializersfrom keras import modelsimport numpy as np class SFC(Layer): def __init__(self, n..
다른 분의 강좌를 보면서 따라했습니다. 사실 따라했다기 보다는 코드 복붙해놓고 이해하려고 노력했다는게 더 정확하지만 ... 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. keras.preprocessing.image.ImageDataGenerator는 데이터를 이리저리 변형시켜서 새로운 학습 데이터를 만들어줍니다. 변형의 예시는 회전, 이동 등등 매우 다양합니다. 아래 코드는 CNN을 이용해서 MNIST 이미지를 분류하는 예시인데 일부러 데이터 수를 줄이고 ImangeDataGenerator를 통해서 데이터를 늘린 뒤 학습을 진행할겁니다. 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. 왜 UNet인진 모르겠는데 신경망 구조를 보니까 U처럼 생겨서 UNet인가 싶네요 ㅋㅋ 출처 : https://spark-in.me/post/unet-adventures-part-one-getting-acquainted-with-unet 오토인코더와 비슷한 구조인데 인코딩 과정에서 나온 각 층의 출력을 디코딩 과정의 각 층에서 입력으로 사용하고 있는게 차이점입니다. 뭐 이론적인건 잘 모르겠고 책에선 이렇게 함으로서 이미지 복원력이 더 뛰어나진다고 하네요. 이번에도 코드는 책의 코드를 좀 간소화해서 다를겁니다. 코드:12345678910111213141516171819202122232425262728293031323..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. GAN으로 MNIST 이미지를 생성하는 예제입니다. 책의 코드에서 뺀 부분이 많습니다. 코드:123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134f..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. 다른 강좌나 텐서플로 책에서는 2D 이미지를 가지고 GAN를 실습했었는데 여기서는 단순한 수의 나열인 1D 데이터를 가지고 GAN를 쓰더라고요. (다음 챕터에서 2D 이미지 쓰는 것도 나오지만) 생성망의 입력 데이터는 균등분포의 랜덤한 데이터인데 출력은 정규분포로 내도록 학습시키는 예제입니다. 이번 코드는 책의 코드와 좀 많이 다를 수 있습니다. 코드:12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. 입력과 똑같은 출력을 내도록 학습하면서 데이터의 특징을 스스로 압축(추출)하는 오토인코더로 MNIST를 학습시켜 보았습니다. 아직 오토인코더 파트의 반만 보았지만 이 책에서도 오토인코더로 얻은 특징을 실제로 사용하는 예시는 없는 것 같습니다 ㅠㅠ 코드: 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103from..
※ 이 글은 '코딩셰프의 3분 딥러닝 케라스맛'이라는 책을 보고 실습한걸 기록한 글입니다. imdb는 리뷰 문장의 단어들을 출현빈도순으로 정렬해서 정수로 변환시킨 시퀀스를 x로 하고 평가의 긍정적, 부정적 여부를 1, 0으로 라벨링한 데이터셋 입니다. 그러니까 예를 들어 x는 [31, 3, 55, 123, 4, 99, 4443, 3423] 이렇게 생겼고 y는 1(긍정적) 이렇게 되어있습니다. 목표는 x를 가지고 y를 예측하는 것입니다. 코드: 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859#-*- coding: utf-8 -*- import numpy as ..