WOONY's 인사이트

챕터 6에서는 딥러닝의 'Hello World!'라 할 수 있는 MNIST를 분류하는 작업에 대한 예제를 연습해본다. 긴 말 할 것 없이 빠르게 가보자. 6.1 MNIST 학습하기 import tensorflow as tf import numpy as np #MNIST dataset load: keras 패키지에 메소드로 내장되어 있어 바로 불러오기 가능! (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data() #MNIST 데이터셋 정규화: 픽셀값이 0-255로 되어 있어 이를 0-1 범위 사이에 넣기 위해 정규화 x_train, x_test = x_train/255.0, x_test/255.0 train dataset의 sh..

이번 챕터는 간단하게 쉬어가자는(?) 본문 내용과 달리 생각 외로 시간을 많이 썼던 챕터였다. 그도 그럴 것이 1) colab으로 돌리면서 2) 버전 2.5로 돌리면서 차이가 많이 났기 때문이다. 하지만 용케 잘 풀어냈으니! 잘 따라오기만 하면 된다. 편하게 가보자! 이번 챕터에서는 학습시킨 모델을 저장하고 다시 불러와 사용하는 방법, 그리고 텐서플로우의 장점이라 불리우는 텐서보드를 배운다. 텐서보드는 내가 모델에 학습시킨 이력을 시각화해 추적할 수 있는 그래프 보드라고 생각하면 되겠다. 5.1 학습 모델 저장하고 재사용하기 시작이니 쌈빡하게 import부터 시작하자. import tensorflow as tf import numpy as np 이번에는 앞 챕터에서 풀었던 예제인 조류/포유류 분류 문제를..

이번에는 챕터 4, 인공 신경망에 대해 쓴다. 자세한 내용은 책을 구입하셔서 보시고! 여기서는 코드 예제 변환 위주 + 공부한 내용 필기에 집중하련다. 4.1 인공신경망 작동 원리 인공 뉴런의 기본 원리는 아래와 같다. 인공 뉴런 = 활성화함수((입력값 * 가중치)+편향) 입력값(X): 입력 신호 가중치(W, weight) 편향(b, bias) 활성화 함수(activation function): 인공신경망을 통과해온 값을 최종적으로 어떤 값으로 만들지 결정하는 함수 여기서 가장 중요한 게 activation function이라고 해도 과언이 아님. 대표 예시: sigmoid, ReLU, tanh 함수 등 학습 목적에 따라 그에 맞게 함수를 쓴다. 정리하면 인공뉴런은 가중치와 활성화 함수로 연결된다. 뉴런..

텐서플로를 사용하면서 빠르게 딥러닝을 직접 구현해보면 좋겠다고 생각해서 초심자용 책을 고르던 중, 동료에게 추천받은 책이 바로 이다. (뭔가 이름이 맛있어 보인다...) 책을 살까 했는데, 정말 다행스럽게도 밀리의 서재에서 이 책을 pdf 형태로 읽을 수 있더라. 덕분에 책을 구매하거나 도서관에서 빌리지 않고도 빠르게 공부할 수 있게 됐다. 하지만 진짜 문제가 생겼으니..챕터 1,2까지만 해도 신나게 공부하다가 챕터 3에서 턱 막혔다. 왜냐! 이 책에 나오는 예제가 모두 텐서플로 1.x 버전으로 작성된 코드로 되어 있었다.. 물론 텐서플로 2.x 버전에서도 1.x 버전을 쓸 수는 있다. 아래 패키지를 import하면 가능하긴 하다. import tensorflow.compat.v1 as tf tf.dis..