딥러닝
-
[Keras] Sequential Model (순차모델) 사용 예제 - multi layerDeep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 23:49
Training Set & Test Set 생성하기 Sequential Model 생성하기 여기까지는 단일 layer와 동일하다. Model의 Layer 구성하기 첫번째 layer는 input은 그대로 한개인데, output이 2개로 바뀌었다. 두번째 layer를 add할때는 첫번째 layer 때와는 다르게, input_shape을 지정해줄 필요가 없다. Sequential Model을 사용할 때에는 첫번째 add에만 input_shape이나 input_dim을 지정해주고, 그 이후부터는 output 개수만 정해주면, 모델 내부에서 알아서 연결해 준다. Model 학습 시키기 & 예측하기 학습 시키기 전의 y_predict 값과 학습 이후의 y_predict의 값을 보면, [[5], [7]] 이라는 y_..
-
[Keras] Sequential Model (순차모델) 사용 예제 - 단일 layerDeep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 23:32
Keras 에서는 신경망 모델을 만드는 방식 중 하나인 Seqential Model을 제공한다. 이는 순차적으로 layer를 더해나가는 방식으로, 매우 간단하다. Training Set & Test Set 생성하기 우선, 모델을 통해서 학습할 데이터와, 학습된 모델을 테스트할 데이터를 생성하자. input과 output의 shpae과 dimension을 찍어보면 아래와 같다. x_train은 2행 1열의 2차원짜리 행렬임을 확인했다. 위의 training set과 같은 방식으로 test set도 생성한다. Keras의 Sequential Model 생성하기 Sequential Model 생성하기 아래처럼 model을 생성하고, 그 모델의 type을 찍어보면, keras 자체 엔진에서 제공하는 sequen..
-
[Keras] 처음 접해보는 KerasDeep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 26. 21:00
Keras Python으로 작성된 neural network 라이브러리 오픈 소스다. Tensorflow나 Theano 같은 라이브러리 위에서 돌아가며, DNN을 빠르게 실험하도록 도와준다. 초기에 구상한 사람은 구글의 Fancois Chollet인데, XCeption이라는 DNN 모델의 제작자이기도 하다. 2017년 구글의 텐서플로우 팀이 Keras를 텐서플로우에서 지원하기로 결정하였는데, Chollet의 말에 의하면 Keras는 독립적인 프레임워크보단 interface에 좀 더 가깝다고 여겼던 것 같다. 보다 더 직관적인 추상화 set을 제공하여서, 딥러닝 모델들을 computational backend와 상관없이 개발하는 것을 쉽게 만들어 줬다. tf.keras import 하기 tf.keras는 ..
-
[Colab] 사용법 - Github 코드 활용하기Deep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 24. 21:36
Gihub repository Cloning Github의 코드를 Colab에서 클론하여 사용할 수도 있다. 1. 클론하고자 하는 Git 링크를 복사한다. 2. git clone을 아래 명령을 통해 클론한다. !git clone [github link] 3. Google Colab 가상 머신 서버에 클론한 repository가 올라간 것을 확인할 수 있다. 위에서 설명한 방식은 전체 repository를 cloning 하는 것이었고, 만약 단일 .ipynb 파일을 cloning 하고 싶다면, https://github.com/~~ 을 https://colab.research.google.com/github/~~로 교체한다. Uploading my codes to Github from Colab Colab..
-
[Colab] 사용법 - 구글 드라이브 연동하기Deep Learning 공부자료/DL\ML\AI 구현 및 실습 2020. 5. 24. 21:14
What's Colab? 간단히 말하자면, Google Drive + Jupyter Notebook! Tensorflow 같은 ML, DL에서 사용하는 라이브러리를 구동하기 위해서는 GPU가 필수적으로 필요하다. 하지만 모든 학생들이 GPU가 달려 있는 노트북을 갖고 있는 것은 아니며, 신형 맥북은 ㅠㅠ 엔비디아와 애플 간의 갈등으로 인해... 딥러닝 어플리케이션들을 구동하기에 매우 까다로워졌다. 따라서, 이런 경우에 학습 목적으로 구글 리서치 팀이 제작하여 배포하는 Colab을 사용하면 좋다. Colab은 머신러닝 교육과 연구를 목적으로 만들어진 것으로 Jupyter notebook 환경으로 구성되어 있어서, 사용하기 위해서 따로 설치하는 과정이 필요 없고, 단지 cloud 위에서 구동시키면 된다. 파..
-
Lec03) Linear Regression의 cost 최소화 알고리즘의 원리 설명Deep Learning 공부자료/모두를 위한 딥러닝 2020. 3. 10. 01:15
Hypothesis and Cost Hypothesis : \(H(x) = Wx + b\) Cost Function : \(Cost(W,b)\) = \(1/m \sum_{i = 1}^{m} (H(x_i)-y)^2\) linear regression의 목표 : cost를 minimize 시키는 W와 b 찾기 Simplified Hypothesis 계산의 편의를 위해서 b = 0으로 설정한다. Hypothsis : \(H(x) = Wx\) Cost Function : \(Cost(W,b)\) = \(1/m \sum_{i = 1}^{m} (Wx_i-y)^2\) What \(Cost(W)\) looks like? 해당 예제의 cost function을 컴퓨터로 그려봤더니, 아래와 같은 그래프가 나왔다. cost..
-
Lec02) Linear Regression의 가정과 cost functionDeep Learning 공부자료/모두를 위한 딥러닝 2020. 3. 10. 00:35
Linear Regression Linear Hypothesis Linear Model이 우리의 Data에 잘 맞을 것이라는 가정을 세운다. 실세계에서 linear model이 적용 가능한 경우가 매우 많다. 학습 : Data에 잘 부합하는 linear equation을 찾는 과정 위 그래프의 각 선은 H(x) = Wx + b 로 표현된다. 선들 중 어느 선이 Data에 가장 잘 맞는지 판단할 수 있어야 한다. 즉, 최선의 W (weight)와 b (bias)의 값을 찾아 내야 한다. 실제 Data와 hypothesis 간의 거리 (빨간 선)을 측정하여, 최선의 hypothesis를 이전의 그래프의 선들 중에서 찾아낸다. Cost Function (= Loss Function) How fit the li..
-
Lec01) Machine Learning 용어와 개념 정리Deep Learning 공부자료/모두를 위한 딥러닝 2020. 3. 10. 00:22
Machine Learning 더보기 일종의 software - explicit programming의 한계를 극복하기 위해 개발 되었다. Field of study that gives computers the ability to learn without being explicitly programmed. (Arthr Samuel) Supervised / Unsupervised Learning 학습하는 방식에 따라서 나뉘어짐 학습 : 데이터를 특별한 알고리즘에 적용해 머신러닝 모델을 정의된 문제에 최적화하는 것 Supervised Learning : 정해져 있는 labeled example을 training set으로 학습 정답을 알려주면서 진행되는 학습. 학습 시 데이터와 함께 label(정답)이 제공..