코딩 개발일지

CNN 사용할땐 import 해줄게 좀 더 많아진다. Conv2D, MaxPooling2D, Flatten, Dropout 를 추가로 해줬다. from tensorflow.keras.layers import Input, Dense, Conv2D, MaxPooling2D, Flatten, Dropout reshape 부분이 CNN을 쓸 때, 약간 달라진다. 기존 것들보다 차원이 높아진다라고 생각하면 된다. train_df = train_df.astype(np.float32) x_train = train_df.drop(columns=['label'], axis=1).values x_train = x_train.reshape((-1, 28, 28, 1)) y_train = train_df[['label']]...

Convolutional Neural Networks (합성곱 신경망) 합성곱(Convolution) 의 개념 이해하는 그림 1. [왼쪽 네모] X [오른쪽 네모] 각 요소들을 대응되게 곱한다. 2. 곱한 값을 모두 더한다 즉, 2+0+3+0+1+4+3+0+2=15 논문에서 이 방식을 이용한 디자인을 CNN 이라고 칭하였고, 이미지 처리에서 엄청난 성능을 보이는 것을 증명했다. 아직까지도 보편적으로 쓰이고, 이 논문발표 이후 딥러닝의 전성기가 시작됬다고 할 수 이따~~ 아래의 예시를 한번 살펴보자 입력 이미지 크기: (10, 10, 3) 필터의 크기: (4, 4, 3) 필터의 개수 :2 출력 특성 맵의 크기: (10, 10, 2) 보통 padding 또는 margin을 줘서 디자인을 하게 된다. 이런식으..

우리가 지금까지 배운 선형회귀와 논리회귀만으로는 결코 실무에서 쓸 수는 없는게 당연함. 선형회귀를 아무리 반복해봤자 비선형이 되는게 아니기때문에, 선형회귀 사이에 비선형의 무언가를 넣어야한다고 생각하게 된거다 !!! 딥러닝에서는 비선형 함수를 활성화 함수라고 한다. 딥러닝의 주요 개념과 기법 배치 사이즈와 에폭 활성화 함수 과적합과 과소적합 데이터 증강 드랍아웃 앙상블 학습률 조정 Deep Neural Networks 구성 방법 Input layer(입력층): 네트워크의 입력 부분. 우리가 학습시키고 싶은 x 값 Output layer(출력층): 네트워크의 출력 부분. 우리가 예측한 값, 즉 y 값 Hidden layers(은닉층): 입력층과 출력층을 제외한 중간층입니다. 여개로 구성되어있다. 각 lay..