목록TensorFlow (6)
Deep Learning study
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414514614714814915015115215315415515615715815916016116216316416516616716816..
Recurrent Neural Network(RNN)with time series data
드디어 마지막 강의를 들었다.(https://www.youtube.com/watch?v=odMGK7pwTqY&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=47) 마지막 강의는 RNN과 time series data를 사용해보는 것이다. 이 강의에서 소개한 것은 주가를 예측해 보는 것이다. 아래는 그 코드이다. 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310..
Recurrent Neural Network(RNN)을 사용해보자 !
https://www.youtube.com/watch?v=39_P23TqUnw&index=43&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm RNN은 NN의 꽃 이라고 하신다. 이유는 현재 가장 많은 분야에서 쓰이고 가장 활발한 연구가 이루어지고 있는 분야이기 때문이 아닐까 또 그럴수 밖에 없는 이유가, 우리가 가장 많이 쓰고 있고 가장많이 활용하는 것 이라고 하면 '언어'이기 때문에 그에대한 연구를 한다면 많은 발전을 이룰 수 있어서가 아닐까... 생각해 본다 ㅎㅎ 여튼 이론적인 부분은 나중에 다시 쓰도록하고, Tensorflow 예제코드를 보며 복습해보자 12345678910111213141516171819202122232425262728293031323334353637383..
Convolutional Neural Network(CNN)으로 MNIST 99%이상 해보기
저번에 CNN 을 tensorflow으로 기본적인 개념들을 맛보았고 이번에는 그것들을 활용하여 MNIST를 학습시켜 보자!(https://www.youtube.com/watch?v=pQ9Y9ZagZBk&t=18s) 123X = tf.placeholder(tf.float32, [None, 784])X_img = tf.reshape(X, [-1, 28, 28, 1])Y = tf.placeholder(tf.float32, [None,10])cs 먼저 MNIST data set은 28*28이미지 이기 때문에 X를 784(28*28)로 잡아와 준다. 그리고 이미지를 받아올 X_img 와 Label을 받아올 Y이다. 12345W1 = tf.Variable(tf.random_normal([3,3,1,32], stdd..
Convolutional Neural Network(CNN) Basic
아직은 강의를 보고 따라서 해보고 내용을이해하는 정도이므로 이론에 관한 내용들은 좀 더 익숙해지고 잘해진다면 머신러닝의 처음내용부터 차근차근 써 보아야겠다. 어쨌든 오늘 해볼것은 CNN의 부분적인 내용들(?) 이다. 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 import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data import matplotlib.pyplot as plt sess = tf.InteractiveSession() image = np.array([[[[1],[2],[3]], [[4],[5],[6]..
Neural Network(NN)로 MNIST 학습하기(ReLU, xavier initialization, Drop out) for tensorflow
이전에 공부했었던 softmax함수를 이용한 학습법은 정확도가 89-91% 정도였다. 하지만 이번에 해본 NN을 이용한 코드를 돌려보았더니 훨씬 좋은 결과가 나왔다. 1. ReLU 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_data tf.set_random_seed(777) mnist = input_data.read_data_sets("MNIST_data/",one_hot=True) training_epochs ..