반응형 전체보기119 [CNN] 레이어 쌓아서 모델 생성하기 - MNIST 데이터 사용 과정 1. Feature Extraction - Convolution을 사용해 Feature 추출 - Tensorflow의 Conv2D 사용 2. Activation Function - ReLU 사용 - 값을 확인하면 최소값이 음수가 아니라 0임을 확인할 수 있다. 3. Pooling - MaxPool2D 사용 4. Fully connected 5. Flatten - output이 한줄로 쫙 펴짐 6. Dense - 입력과 출력을 연결하는 과정 7. Dropout - 학습이 진행되면서 학습이 잘 되는 것이 있고 안되는 것이 있는데 그러면 overfitting이 됨 - 그래서 학습할때마다 연결을 끊어주는 과정이 필요함 8. Build Model - input의 모양과 class의.. 2021. 1. 11. MNIST 데이터셋을 활용해 시각화하기 시각화 흐름 데이터 불러와서 저장 데이터 하나만 열어보기 - 열어보기 전에 shape을 확인한다. => 확인결과 shape이 2차원이라서 gray scale로 이미지를 시각화해야한다. 레이블을 One hot Encoding으로 변환 One hot Encoding - ex) 9를 one hot Encoding 으로 표현하면 [0,0,0,0,0,0,0,0,0,1] 이다. 2021. 1. 11. 딥러닝 학습 과정과 용어 딥러닝 학습 과정 모델에 데이터가 들어감 → 모델이 예측 → 정답(레이블)이 예측한 것과 얼마나 틀린지 확인 → 틀린 정도를 최소화하기 위한 작업 진행 → 모델에 다시 적용 딥러닝 용어 Model - 모델안에서 예측, 특징 뽑아내는 것이 이루어짐 Layer - 여러 층을 쌓았다고 해서 딥러닝 - 어떻게 쌓는 지 중요 - input layer - hidden layers - output layer - 모델 VGG16에서 16은 layer의 수를 의미 convolution - CNN에서 C가 Convolution => 한국어로 합성곱이라는 뜻 - 이미지가 있으면 필터를 받아서 이미지와 필터를 곱한다. 이미지의 특징을 딴 결과가 나옴 => 카메라 어플의 필터가 합성곱을 이용한 것. 필터마다 다른 특징을 뽑아내.. 2021. 1. 11. [3] 3주차 과제 보호되어 있는 글 입니다. 2020. 11. 8. 이전 1 ··· 20 21 22 23 24 25 26 ··· 30 다음 반응형
