분류 전체보기
-
학습 조기종료 시키기Keras 2017. 12. 25. 13:06
# 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..
-
Keras공부 : 가중치 초기화Keras 2017. 12. 25. 12:24
각 뉴런은 특정한 가중치로 초기화할 수 있다.케라스는 몇 가지 선택 사항을 제공하며, 일반적으로 사용하는 것은 다음과 같다. 1. kernel_initializer = "random_uniform" : 가중치는 -0.05 ~ 0.05로 균등하게 작은 임의의 값으로 초기화한다.2. kernel_initializer = "random_normal" : 가중치는 평균이 0이고, 표준편차가 0.05로 정규분포에 따라 초기화한다.3. kernel_initializer = "zero" : 모든 가중치를 0으로 초기화한다. 전체 목록은 https://keras.io/initializers/ 에서 확인할 수 있다. [출처] 케라스로 구현하는 딥러닝과 강화학습, 안토니오 걸리/수짓팔 지음, 김창엽 옮김, 에이콘, p32
-
텐서보드와 연동하기Keras 2017. 12. 23. 11:41
# 1. 사용할 패키지 불러오기import keras from keras.utils import np_utils from keras.datasets import mnist from keras.models import Sequential from keras.layers import Dense, Activation import numpy as np # 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 분리하기 X_val = X_train[50000:] Y_val = Y_train[50000:] X_train = X_train[:50000] Y_..
-
히스토리 기능 사용하기Keras 2017. 12. 23. 10:51
# 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 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 분리하기 X_val = X_train[50000:] Y_val = Y_train[..