본문 바로가기

전체 글

 (894)
[혼공] ch 8-1. 합성곱 신경망의 구성 요소 1. 합성곱 합성곱(convolution)- 밀집층과 비슷하게 입력과 가중치를 곱하고 절편을 더하는 선형 계산 - 1개 이상의 합성곱 층을 쓴 인공 신경망  - 인공 신경망은 처음에 가중치 w1~w10과 절편 b를 랜덤하게 초기화한 다음 에포크를 반복하면서 경사 하강법 알고리즘을 사용하여 손실이 낮아지도록 가중치와절편을 찾아간다. - 합성곱은 밀집층의 계산과는 조금 다르다. 입력 데이터 전체에 가중치를 적용하는 것이 아니라 일부에 가중치를 곱한다.  - 가중치 w1~w3이 입력의 처음 3개 특성과 곱해져 1개의 출력을 만든다 ,이 뉴런이 한 칸 아래로 이동해 두 번째부터 네 번째 특성과 곱해져 새로운 출력을 만든다.  - 첫 번째 합성곱에서 사용된 가중치 w1~w3과 절편 b가 두 번째 합성곱에도 동일하..
[혼공] ch 7-3 신경망 모델 훈련 1. 손실 곡선  - 케라스의 fit() 메서드는 History 클래스 객체를 반환 - History 객체에는 훈련 과정에서 계산한 지표, 즉 손실과 정확도 값이 저장되어 있다.  - 패션 MNIST 데이터셋을 적재하고 훈련 세트와 검증 세트로 나눈다. from tensorflow import kerasfrom sklearn.model_selection import train_test_split(train_input, train_target), (test_input, test_target) = \ keras.datasets.fashion_mnist.load_data()train_scaled = train_input / 255.0train_scaled, val_scaled, train_target, ..
[혼공] ch 7-2 심층 신경망 1. 2개의 층  - 케라스 API를 사용해서 패션 MNIST 데이터셋 불러오기from tensorflow import keras(train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data()  - 이미지의 픽셀값을 0~255 범위에서 0~1 사이로 변환하고, 28*28 크기의 2차원 배열을 784 크기의 1차원 배열로 펼치기- 사이킷런의 train_test_split() 함수로 훈련 세트와 검증 세트로 나눔 from sklearn.model_selection import train_test_splittrain_scaled = train_input / 255.0train_scaled = trai..
[혼공] ch 7-1 인공 신경망 1. 패션 MNIST - 텐서플로의 케라스(Keras) 패키지를 임포트하고 패션 MNIST 데이터를 다운로드  from tensorflow import keras(train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() - keras.datasets.fashion_mnist 모듈 아래 load_data() 함수는 훈련 데이터와 테스트 데이터를 나누어 반환  - 전달받은 데이터의 크기를 확인 print(train_input.shape, train_target.shape) - 훈련 데이터는 60,000개의 이미지로 이루어져 있고, 각 이미지는 28*28 크기이다. - 타깃도 60,000개의 원..
[글로컬청년취업사관학교][TIL] 240628 JavaScript 기본   동적인 웹을 위해 자바스크립트가 할 수 있는 것들 1. 데이터를 저장 저장 공간 : var,let,const 저장할 값의 형태 : 숫자, 문자열, 빈 값(null, undefined), boolean(true, false), 배열, 객체 코드의 뭉치 : 함수  2. 값을 계산 - 사칙 연산, 논리 연산, 조건문, 반복문, 자료형의 내장함수 3. 결과를 반영 - DOM, BOM API 4. 다른 컴퓨터와 통신하다.  - Ajax  JavaScript를 사용하는 여러가지 방법들  1. HTML 파일 내부 삽입   1) HTML 태그 내 삽입 hello  2) script 태그를 통해 삽입    2. HTML 파일 외부에 있는 스크립트 파일을 로드     3. 브라우저 콘솔창   ..
[혼공] ch 6. 비지도 학습 1. 군집 알고리즘  1) 타깃을 모르는 비지도 학습  비지도 학습(Unsupervised learning)- 타깃이 없을 때 사용하는 머신러닝 알고리즘  2) 과일 사진 데이터 준비하기  - 사과, 바나나, 파인애플을 담고 있는 흑백 사진- 넘파이 배열의 기본 저장 포맷인 npy 파일로 저장 !wget https://bit.ly/fruits_300_data -O fruits_300.npy - wget 명령은 원격 주소에서 데이터를 다운로드하여 저장  import numpy as npimport matplotlib.pyplot as pltfruits = np.load('fruits_300.npy')print(fruits.shape) - 넘파이에서 npy 파일을 로드하기 위해 load() 메서드에 파일 이..
[글로벌청년취업사관학교][TIL] 240627 네트워크 계층 모델과 프로토콜 - 통신이 이뤄지는 구조와 기능을 계층화하고 계층마다 동작하는 프로토콜(protocol)을 구분한 것- OSI  7계층과 TCP/IP 4계층은 대표적인 네트워크 계층 모델   1. OSI 7계층   물리 계층 (Physical Layer)- 전기적 신호를 통해 데이터를 전송데이터 링크 계층 (Data Link Layer)-물리적 네트워크의 에러 검출 및 수정, 데이터 프레임 전송을 담당네트워크 계층 (Network Layer) - 데이터 패킷의 경로 설정 및 전달을 담당전송 계층 (Transport Layer)-데이터의 전달을 보장하고 오류를 수정세션 계층 (Session Layer)- 통신 세션을 관리표현 계층 (Presentation Layer)- 데이터 형식을 변환하고..
[혼공] ch 5. 트리 알고리즘 1. 결정 트리  1) 로지스틱 회귀로 와인 분류하기  - 와인 데이터 불러오기  import pandas as pdwine = pd.read_csv('https://bit.ly/wine_csv_data')wine.head()  - 레드 와인과 화이트 와인을 구분하는 이진분류 문제, 화이트 와인이 양성 클래스 - 전체 와인 데이터에서 화이트 와인을 골라내는 문제  - info() 메서드는 데이터프레임의 각 열의 데이터 타입과 누락된 데이터가 있는지 확인하는 데 유용  wine.info()  - describe()는 열에 대한 간략한 통계를 출력 wine.describe()  - 판다스 데이터프레임을 넘파이 배열로 바꾸고 훈련 세트와 테스트 세트로 나눔 - 알코올 도수, 당도, PH 값의 스케일이 다름- ..

티스토리툴바