HyeM

보호되어 있는 글입니다.

보호되어 있는 글입니다.

plan0a-0z-entering-security.tistory.com/95 지난 번 글에서 만든 model을 이용하여 실습을 해보자. 01. Optimization & Training ▶Optimization ▶ Before Training 학습하기 전에 Model이 Train할 수 있도록 Train Mode로 변환 (Convolution 또는 Linear 뿐만 아니라, DropOut과 추후에 배우게 될 Batch Normalization과 같이 parameter를 가진 Layer들도 학습하기 위해 준비) 1. 모델에 넣기 위한 첫 batch 데이터 추출 2. 추출한 batch데이터를 cpu 또는 gpu와 같은 device에 compile 3. gradients를 clear해서 새로운 최적화 값을 찾기..

PyTorch는 tensorflow와 비슷한 라이브러리로, 데이터 불러와서 모델학습을 진행할 수 있게 해주는 라이브러리이다. 저번 글까지는 tensorflow로 진행했는데, 이번엔 PyTorch로 해보며 텐서플로우와 파이토치를 비교해보자. 01. PyTorch 데이터 불러오기 ▶Data Loader 부르기 1. 먼저 라이브러리 import 해준다. 2. 모델 파라미터 설정해준다. 3. 파이토치는 Data Loader를 불러 model에 넣는다. 그래서 아래의 loader만 기억하면 된다. 4. 불러온 데이터를 확인해보자. PyTorch는 TensorFlow와 다르게 [Batch Size, Channel, Height, Width] 임을 명시해야 함. 5. 데이터를 시각화를 위한 사전 작업 이미지의 sha..

Evaluating & Prediction ▶사전 준비 더보기 1. import package 2. Build Model ▶ Proprocess 데이터 셋 불러오기 ▶ Training ▶ Training 1. 학습한 모델을 확인해본다. 2. 결과 확인 2-1. 모델에 input할 데이터를 먼저 확인한다. 2-2. test셋을 모델에 넣기 위해 shape 조정 - predict나 evalutae은 변수에 영향을 안 줌. predict는 자동적으로 evaluate 모드로 변환되고, image들어가면 결과 나옴. - pred에는 10개의 노드가 있는데, 노드의 값이 가장 높은것이 인공지능이 생각하는 답이다. 가장 높은 인덱스를 찾기 위해 np.argmax를 이용해보자. 3. np.argmax로 정답 예측 ▶ ..

Optimization & Training (Beginner.ver) ▶ 준비 작업 더보기 opitmization과 traning을 하기 위해 우선, mnist 데이터 셋을 불러오고, 모델을 쌓아 준비한다. MNIST Dataset 불러오기 모델 쌓기 ▶ Optimization : 모델을 학습하기 전 설정 Loss Function Optimization Metrics ▷ Loss Function : 비용함수. Loss값 계산 loss = 'binary_crossentropy' loss = 'categorical_crossentropy' binaray와 categorical로 2가지로 나뉜다. 클래스가 2개 일때는 binary를 사용하고, 두 개 이상 멀티플하게 다룰 때는 cateorical을 사용한다. ..

실습 : jupyter notbook의 해설코드 : 강사님이 진행한 코드 그대로 넣어놓음 단 설명은 part2 폴더에 있음 . 0. 필요한 패키지 로드 import tensorflow as tf import os import matplotlib.pyplot as plt %matplotlib inline from tensorflow.keras import datasets 1. 데이터를 가져와서, 차원수를 맞춰준다. -> 데이터셋 가져와서 shape, 채널 개수 확인하는 거 습관화하기. (train_x, train_y), (test_x, test_y) = datasets.mnist.load_data() image = train_x[0] 이미지 shape을 확인해보면, 다음과 같다. [batch_size, h..

0. 필요한 library import 하기 import numpy as np import matplotlib.pyplot as plt import tensorflow as tf %matplotlib inline from tensorflow.keras import datasets 1. MNIST불러오기 MNIST는 TensorFlow에서 제공해주는 데이터셋이다. 데이터 셋불러올때, trian셋과 test 셋 둘 다 불러온다 . 2. Image Dataset 자세히 확인하기 불러온 데이터셋에서 이미지 데이터 하나만 뽑아서 시각화로 확인해본다. 3. train Dataset 들여다보기 3-01. 차원수를 늘린다. 차원수를 늘리는 방법 : numpy: np.expand_dims( ) tensorflow : t..