Rylah's Study & Daily Life

더보기 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 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 12..

인간의 두뇌 : 1000억 개의 뉴런들이 100조 개의 시냅스로 연결 뇌 학습 - 인간의 오감을 담당하는 센서를 통해 외부 정보를 얻음 - 얻어진 정보를 뉴런들이 받아서 계산 - 각각의 뉴런들이 계산한 정보는 시냅스를 통해 다른 뉴런들에게 전달됨 - 이 뉴런의 계산 정보는 근처의 시냅스에 저장됨 심층 신경망(Depp Neural NetWork : DNN) - 인공신경망(Artificial Neural Network)의 한 종류 - 다양하고 복잡한 비선형적 관계를 학습할 수 있음 - 복잡한 비선형 관계도 정확한 모델이 가능함 -> 실제로 기업들이 제공하는 서비스를 담당하는 DNN의 은닉층 개수는 100개가 훨씬 넘음 - DNN 구조 안에 사용되는 뉴런과 시냅스의 숫자도 매우 많음 -> 이러한 DNN을 처리..

import torch # 입력 뉴런 : 5개, 출력 뉴런 : 3개 # 총 사용 시냅스 15개 hello = torch.nn.Linear(5, 3) # 임의의 입력 벡터 2개 만들기 data = torch.randn(2, 5) # 인공 신명망에 입력하고 결과를 출력 print(data) print(hello(data)) # 필요한 패키지 가져오기 from torchvision.datasets import MNIST # TorchVision에서 MNIST 함수를 가져옴 (배치 설정 등) import torchvision.transforms as transforms # Torchvision에서 Transform 함수를 수입 from torch.utils.data import DataLoader # Datal..

TorchVision, TorchSummary Install View > Tool Windows > Terminal pip install torchvision==0.1.8 pip install torchsummary import torch # 입력 뉴런 : 5개, 출력 뉴런 : 3개 # 총 사용 시냅스 15개 hello = torch.nn.Linear(5, 3) # 임의의 입력 벡터 2개 만들기 data = torch.randn(2, 5) # 인공 신명망에 입력하고 결과를 출력 print(data) print(hello(data)) # 필요한 패키지 가져오기 from torchvision.datasets import MNIST # TorchVision에서 MNIST 함수를 가져옴 (배치 설정 등) imp..

import torch # 입력 뉴런 : 5개, 출력 뉴런 : 3개 # 총 사용 시냅스 15개 hello = torch.nn.Linear(5, 3) # 임의의 입력 벡터 2개 만들기 data = torch.randn(2, 5) # 인공 신명망에 입력하고 결과를 출력 print(data) print(hello(data))

이 항목은 Tensorflow 2.3 / Keras 2.4.3로 진행하는데 오류 해결이 어떤 버전을 해도 안되고 문서도 없다. LSTM 관련 공부는 사진으로 대체하겠다. 더보기 Traceback (most recent call last): File "C:/rudududdfh/pyCharmWorkspace/my-TF/airline/airline.py", line 114, in model.add(LSTM(MY_UNIT)) # LSTM을 모델에 추가 , MY_UNIT 하이퍼 파라미터 사용, LSTM의 차원 File "C:\ProgramData\Anaconda3\envs\TF-inter\lib\site-packages\tensorflow\python\training\tracking\base.py", line 4..

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' import numpy as np import matplotlib.pyplot as plt from time import time from keras.datasets import fashion_mnist from keras.utils.np_utils import to_categorical from sklearn.metrics import f1_score, confusion_matrix from keras.models import Sequential from keras.layers import Flatten from keras.layers import Dense, InputLayer from keras.layers ..

# 파이썬 패키지 가져오기 import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from time import time from keras.models import Sequential from keras.layers import Dense from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split # 하이퍼 파라미터 MY_EPOCH = 500 MY_BATCH = 64 ########## 데이터 준비 #########..