본문 바로가기

🤖딥러닝

(18)

[딥러닝] CNN(Convolutional Neural Networks)(1) : convolutional layer / activation map (feature map) / filter / stride / zero padding / pooling layer / Max pooling / parameter sharing 1. CNN(Convolutional Neural Networks) 구조 2. Convolutional Layer 가장 먼저, CNN에서 가장 주요한 구성 요소인 Convolutional layer(합성곱 층)의 구성 요소와 작동 원리를 알아보자. 기본적으로 Convolution Layer에는 input값인 이미지와 필터(= 합성곱 커널:convolution kernel)가 있다. 위의 그림처럼, 필터(= 커널: kernel)가 이미지의 위에서부터 차례대로 내려오면서(sliding) dot products를 해나간다. 다시 말해 32 * 32 * 3의 크기의 이미지에 5 * 5* 3의 필터로 차례대로 훑고 내려오면서 5 * 5* 3(즉 75번)의 dot product 연산을 하는 것이다. 또한 각각의 d..

딥러닝 기초 (생활코딩 정리2) - 텐서플로우(Tensorflow)를 이용한 보스턴 집 값 예측 이전 게시물에서는 한 개의 독립변수(X)와 한 개의 종속변수(Y)에 대해 다뤘다. 이번에는 여러 개의 독립변수와 한 개의 종속변수를 이용하여 조금 더 복잡한 수식을 만들어내는 모델을 만들어보도록 한다. 🖇 이전 게시물 확인 : [〚딥러닝〛] - 딥러닝 기초 (생활코딩 정리1) - 텐서플로우(Tensorflow)를 이용한 레모네이드 판매 예측 📌 데이터 파악 이번 실습에 사용할 데이터는 보스턴 집값 데이터로, 13개의 독립변수와 1개의 종속변수로 구성되어 있다. 📌 데이터 준비 보스턴 = pd.read_csv('boston.csv') 독립 = 보스턴[['cirm','zn','indus','chas','nox','rm','age','dis','rad','tax','ptratio','b','lstat']] 종..

딥러닝 기초 (생활코딩 정리1) - 텐서플로우(Tensorflow)를 이용한 레모네이드 판매 예측 📌 라이브러리에서 AI까지 이어지는 계층 구조 📌 지도 학습 과정 1) 과거의 데이터 준비하기 2) 모델의 구조 만들기 3) 데이터로 모델 학습(fit)시키기 4) 모델을 이용하여 값을 예측하기 ➰ 과거의 데이터 준비 레모네이드 = pd.read_csv('lemonade.csv') 독립 = 레모네이드[['온도']] 종속 = 레모네이드[['판매량']] ➰ 모델의 구조 만들기 X = tf.keras.layers.Input(shape=[1]) Y = tf.keras.layers.Dense(1)(X) model = tf.keras.models.Model(X,Y) model.compile(loss='mse') ➰ 데이터로 모델 학습(fit)시키기 model.fit(독립, 종속, epochs=1000) ➰ 모델을 ..

이전 1 2 3 4 다음

티스토리툴바