분류 전체보기
-
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..
-
수치입력 이진분류모델 레시피 (다층퍼셉트론 신경망 모델)Keras 2018. 1. 1. 10:09
# 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..
-
수치입력 이진분류모델 레시피 (퍼셉트론 신경망 모델)Keras 2018. 1. 1. 09:49
# 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..
-
데이터 부풀리기Keras 2017. 12. 30. 12:34
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..