분류 전체보기
-
영상입력 이진분류모델 레시피(컨볼루션 신경망 모델)Keras 2018. 1. 1. 22:29
# 1. 사용할 패키지 불러오기import matplotlib.pyplot as plt from keras.utils import np_utils from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Activation from keras.layers import Conv2D, MaxPooling2D, Flatten %matplotlib inline # 2. 데이터 생성하기 width = 28 height = 28 # 2.1 훈련셋과 시험셋 불러오기(x_train, y_train), (x_test, y_test) = mnist.load_data() x_train = x_train..
-
영상입력 이진분류모델 레시피(다층퍼셉트론 신경망 모델)Keras 2018. 1. 1. 21:42
# 1. 사용할 패키지 불러오기import matplotlib.pyplot as plt from keras.utils import np_utils from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Activation %matplotlib inline # 2. 데이터 생성하기 width = 28 height = 28 # 2.1 훈련셋과 시험셋 불러오기 (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train = x_train.reshape(60000, width*height).astype('float32') / 255...
-
영상입력 수치 예측 모델 레시피(컨볼루션 신경망 모델)Keras 2018. 1. 1. 18:10
# 1. 사용할 패키지 불러오기 import numpy as np import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense, Dropout, Flatten from keras.layers import Conv2D, MaxPooling2D %matplotlib inline # 2. 데이터 생성하기 width = 16 height = 16 def generate_dataset(samples):ds_x = [] ds_y = []for it in range(samples): num_pt = np.random.randint(0, width * height) img = generate_image(..
-
영상입력 수치 예측 모델 레시피(다층퍼셉트론 신경망 모델)Keras 2018. 1. 1. 17:32
# 1. 사용할 패키지 불러오기import numpy as np import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense %matplotlib inline # 2. 데이터 생성하기 width = 16 height = 16def generate_dataset(samples): ds_x = [] ds_y = []for it in range(samples): num_pt = np.random.randint(0, width * height) img = generate_image(num_pt) ds_y.append(num_pt) ds_x.append(img)return np.array(ds_x)..
-
수치입력 다중클래스 분류모델 레시피(깊은 다층퍼셉트론 신경망 모델)Keras 2018. 1. 1. 11:14
# 1. 사용할 패키지 불러오기import numpy as np import random import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense from keras.utils import to_categorical %matplotlib inline # 2. 데이터 생성하기 x_train = np.random.random((1000, 12)) y_train = np.random.randint(2, size = (1000, 1)) y_train = to_categorical(y_train, num_classes = 10) x_test = np.random.random((100, 12)) ..
-
수치입력 다중클래스 분류모델 레시지(다층퍼셉트론 신경망 모델)Keras 2018. 1. 1. 11:05
# 1. 사용할 패키지 불러오기import numpy as np import random import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense from keras.utils import to_categorical %matplotlib inline # 2. 데이터 생성하기 x_train = np.random.random((1000, 12)) y_train = np.random.randint(2, size = (1000, 1)) y_train = to_categorical(y_train, num_classes = 10) x_test = np.random.random((100, 12)) ..
-
수치입력 다중클래스 분류모델 레시지(퍼셉트론 신경망 모델)Keras 2018. 1. 1. 10:53
# 1. 사용할 패키지 불러오기import numpy as np import random import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense from keras.utils import to_categorical %matplotlib inline # 2. 데이터 생성하기 x_train = np.random.random((1000, 12)) y_train = np.random.randint(2, size = (1000, 1)) y_train = to_categorical(y_train, num_classes = 10) x_test = np.random.random((100, 12)) ..
-
수치입력 이진분류모델 레시피 (깊은 다층퍼셉트론 신경망 모델)Keras 2018. 1. 1. 10:31
# 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 구성하기 model = Sequential() model.add(D..