buillee buillee

# 1. 사용할 패키지 불러오기import numpy as np import random import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense%matplotlib inline # 2. 데이터 생성하기 x_train = np.random.random((1000, 12)) y_train = np.random.randint(2, size = (1000, 1)) x_test = np.random.random((100, 12)) y_test = np.random.randint(2, size = (100, 1)) # 3. 모델 구성하기model = Sequential()model.add(Den..

ImageDataGenerator() 함수를 이용하여 데이터 부풀리기를 할 수 있다.ImageDataGenerator() 함수의 파라미터(parameter)는 다음과 같다. rotation_range : 지정된 각도 범위 내에서 임의로 원본 이미지를 회전width_shift_range : 지정된 수평방향 이동 범위 내에서 임의로 원본 이미지를 이동height_shift_range : 지정된 수직방향 이동 범위 내에서 임의로 원본 이미지를 이동shear_range : 밀림 강도 범위 내에서 임의로 원본 이미지를 변형zoom_range : 지정된 확대/축소 범위 내에서 임의로 원본 이미지를 확대/축소horizontal_flip : 수평방향으로 뒤집기vertical_flip : 수직방향으로 뒤집기 [출처] 블..

그림판을 이용하여 직접 만든 이미지를 분류하는 과정을 다루면 다음과 같다. 저자가 제공한 circle 20개, retangle20개, triangle 20개 png에 내가 추가로 만든 circle 20개, retangle 20개, triangle 20개를 사용하였다. train이라는 폴더에 circle, retangle, triangle 폴더를 만들고, 각각의 폴더에 30개의 png 그래프를 저장하고, test라는 폴더에도 circle, retangle, triangle 폴더를 만들고, 각각의 폴더에 10개의 png 그래프를 저장하였다. import numpy as np from keras.models import Sequential from keras.layers import Dense from ker..

import numpy as npfrom keras.models import Sequential from keras.layers import Dense from keras.layers import Flatten from keras.layers.convolutional import Conv2D from keras.layers.convolutional import MaxPooling2D from keras.utils import np_utils from keras.utils.vis_utils import model_to_dot from IPython.display import SVG%matplotlib inline # 모델 구성하기 model = Sequential() model.add(Conv2D(2, (..

# 1. 라이브러리 로딩하기import numpy as np from keras.models import Sequential from keras.layers import Dense from keras.utils.vis_utils import model_to_dot from IPython.display import SVG%matplotlib inline # 2. seed number 고정하기 np.random.seed(5) # 3. pima Indians Diabetes data 불러오기 pima = np.loadtxt("d:/keras/pima_indians_diabetes.txt", delimiter = ",") # 4. 데이터셋 생성하기 x_train = pima[:700, 0:8] y_train =..

1. SGD(Stochastic Gradient Descent)2. RMSprop 3. Adadelta 4. Adam 5. Adamax 6. Nadam(Nesterov Adam) 7. TFOptimizer [출처] https://keras.io/optimizers/

1. softmax2. elu 3. selu 4. softplus 5. softsign 6. relu 7. tanh 8. sigmoid 9. hard_sigmoid 10. linear 11. LeakyReLU 12. PReLU [출처] https://keras.io/activations/

# 1. 사용할 패키지 불러오기from keras.utils import np_utils from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Activation from keras.callbacks import EarlyStopping import numpy as np import matplotlib.pyplot as plt %matplotlib inline # 2. 데이터셋 생성하기 # 2.1 훈련 데이터셋과 시험 데이터셋 불러오기 (X_train, Y_train), (X_test, Y_test) = mnist.load_data() # 2.2 훈련 데이터셋과 검증 데이터셋 분..