티스토리

han's story

검색하기

블로그 홈

han's story

hani08.tistory.com/m

끄적끄적

구독자: 2

방명록 방문하기

주요 글 목록

Fine Tuning 파인 튜닝은 트랜스퍼 러닝 후에 하는 방법이며 트랜스퍼 러닝 후 조금 더 개선이 가능한지 해보는 방법 학습된 모델 그 상태에서 추가로 학습을 시키되 좋은 모델의 일부분을 우리 데이터로 학습 가능토록 변경한 후에 학습시키는 방법 model.summary() 현재 학습 가능한 데이터는 우리가 추가한 데이터들 뿐 1. 베이스 모델 전체 레이어를 학습 가능 상태로 변경 base_model.trainable = True model.summary() 이전의 False로 막아둔걸 True로 돌려준다 훈련 가능 파라미터의 데이터갯수가 거의 전체인걸 확인 할 수 있다 2. 베이스 모델의 전체 레이어 수를 확인 len(base_model.layers) 154 베이스 모델의 레이어 갯수는 총 154개 3. 레이어수를 확인했.. 공감수 0 댓글수 0 2024. 4. 19.
Transfer Learning - 전이학습 (학습된 모델 가져와 응용하기) 트랜스퍼 러닝 학습이 잘 된 모델을 가져와서 우리의 문제에 맞게 활용하는것, 학습이 잘 된 모델의 베이스 모델만 가져온다(헤드 모델은 빼고) IMG_SHAPE = (128, 128, 3)base_model = tf.keras.applications.MobileNetV2(input_shape = IMG_SHAPE, include_top=False, weights='imagenet') MobileNetV2 모델을 로드하고 초기화하여 파라미터 안에 새로운 정보를 입력받는다 input_shape 은 모델의 입력 이미지의 크기를 지정하며 미리 128x128 사이즈의 컬러이미지라고 변수지정을 해줬다 include_top 은 상단 레이어를 포함할지의 여부를 묻는 것인데 False 로 선택하면 모델의 기본적인 피처 추.. 공감수 0 댓글수 0 2024. 4. 19.
딥러닝 - ImageDataGenerator import tensorflow as tf from tensorflow.keras.preprocessing.image import ImageDataGenerator from tensorflow.keras.models import Sequential from keras.layers import Conv2D,MaxPooling2D from keras.layers import Flatten,Dense ImageDataGenerator는 이미지 데이터를 전처리하거나 증식할 때 사용하는 도구로서 회전, 이동, 확대, 축소, 뒤집기 등 다양한 변형을 사용하여 훈련 데이터의 다양성을 높여 모델의 일반화 성능을 향상시킬 수 있다 또한 픽셀 값의 스케일링, 정규화, 이미지 크기 조정도 가능하다 flow_from_dire.. 공감수 0 댓글수 0 2024. 4. 18.
딥러닝 - Convolutions, MaxPooling 컬러이미지든 그레이스케일이미지든 전부 처리 가능한 인공지능 개발을 위해 4차원으로 reshape 한다 X_train = X_train.reshape( 60000, 28, 28, 1) X_test = X_test.reshape(10000, 28, 28, 1) 모델링 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D,MaxPooling2D, Flatten, Dense Conv2D 는 컨볼루션(합성곱) 연산을 수행하는 레이어 작은 필터를 이동하면서 합성곱을 수행 이를 새로운 이미지로 변환한다 필터의 수, 크기, 스트라이드등을 설정 가능하다 MaxPooling2D 는 데이터의 크기를 줄이고 특징을 간소.. 공감수 0 댓글수 0 2024. 4. 18.
딥러닝 - 모델 Save, Load 1. 모델을 폴더로 저장하는 방법 model.save( 'my_model' ) 1 - 2. 불러오기 my_model = tf.keras.models.load_model('my_model') my_model.predict(X_test) 이상없이 작동된다 2. 파일로 저장하는 법 model.save('my_model.h5') 2 - 2. 불러오기 my_model2 = tf.keras.models.load_model('my_model.h5') my_model2.predict(X_test) 이상 없이 작동 된다 3 . 가중치를 파일로 저장하는 법 len(model.get_weights()) 4 model.save_weights('my_model_weights.h5') 3 - 2. 불러오기 my_model3 = .. 공감수 0 댓글수 0 2024. 4. 18.
딥러닝 - 이미지분류 3) Confusion Matrix, Acrruracy 딥러닝 - 이미지 분류 1) Data Preprocessing 이런 형태의 이미지를 gray scale image라고 한다 흔히 말하는 흑백 이미지라고 생각하면 되겠다 자세히는 흑과 백 사이의 색들이 조합된 이미지 즉 회색으로 표현한것이라 그레이 스케일 이미지인 hani08.tistory.com 딥러닝 - 이미지 분류 2) 모델 생성 및 확인 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten def build_model() : model = Sequential() model.add( Flatten( ) ) model.add( Dense( 128, 'relu' ) ) model.ad.. 공감수 0 댓글수 0 2024. 4. 18.
딥러닝 - 이미지 분류 2) 모델 생성 및 확인 딥러닝 - 이미지 분류 1) Data Preprocessing 이런 형태의 이미지를 gray scale image라고 한다 흔히 말하는 흑백 이미지라고 생각하면 되겠다 자세히는 흑과 백 사이의 색들이 조합된 이미지 즉 회색으로 표현한것이라 그레이 스케일 이미지인 hani08.tistory.com from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten def build_model() : model = Sequential() model.add( Flatten( ) ) model.add( Dense( 128, 'relu' ) ) model.add( Dense( 10, 'softmax' ) ).. 공감수 0 댓글수 0 2024. 4. 18.
딥러닝 - 이미지 분류 1) Data Preprocessing 이런 형태의 이미지를 gray scale image라고 한다 흔히 말하는 흑백 이미지라고 생각하면 되겠다 자세히는 흑과 백 사이의 색들이 조합된 이미지 즉 회색으로 표현한것이라 그레이 스케일 이미지인 것 from tensorflow.keras.datasets import fashion_mnist 우선 위의 이미지 파일을 쓰기위해 텐서플로우의 케라스 데이터셋의 모듈을 이용해 패션 엠니스트를 임포트해주고 (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data() 로드데이터로 데이터를 불러옴과 동시에 (X_train, y_train), (X_test, y_test) 로 저장해준다 이전 머신러닝할때의 트레인 테스트 스플릿과는 살짝 다른데 이 함수를 만든 .. 공감수 1 댓글수 0 2024. 4. 18.
딥러닝 - 조건 성립 정지법 callbacks.EarlyStopping callback이란? 내가 만든 함수를, 프레임워크가 특정 시점에 실행 시켜 주는것 early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience = 15) tf.keras.callbacks.EarlyStopping 은 훈련 중 모델의 성능이 개선되지 않을 경우 학습을 조기에 중단하는 콜백 이며 monitor 는 모니터링할 것을 지정하는 여기서는 'val_loss'를 지정 검증 데이터셋의 손실값을 지켜볼것이다 patience는 인내심 이라는 뜻이며 학습도중 검증데이터값이 개선되지 않는 상황이 연출 될때 중단할지를 지정 15로 설정하게 되면 에포크 도중 성능 향상이 없는 15번째가 오면 학습을 중단한다 이는 오버핏팅을 방지하기 위함이다.. 공감수 0 댓글수 0 2024. 4. 17.
딥러닝 - GridSearch 그리드서치 (베스트 모델 찾기) ! pip install scikeras sci keras 인스톨을 먼저 해준뒤 from scikeras.wrappers import KerasClassifier from sklearn.model_selection import GridSearchCV from keras.models import Sequential from keras.layers import Dense 필요한 모듈들을 모두 임포트 해주자 def build_model(optimizer = 'adam'): model = Sequential() model.add(Dense(8, 'relu', input_shape = (11, ))) model.add(Dense(6, 'relu')) model.add(Dense(1,'sigmoid')) model.. 공감수 0 댓글수 0 2024. 4. 17.
딥러닝 - New 데이터의 예측법 일반적인 머신러닝때와 별 다를것 없다 일단 컬럼 순서대로 본 뒤에 컬럼 순서대로 입력 해준다 new_data = [[ 600, 'France', 'Male', 40, 3, 60000, 2, 1, 1, 50000 ]] 이때 리스트에 리스트를 넣어줘 바로 2차원배열로 만들어주면 편하다 pd.DataFrame(new_data) 그 뒤에 데이터프레임으로 만들어주고 df_new_data.columns= ( 'CreditScore','Geography','Gender','Age','Tenure','Balance','NumOfProducts','HasCrCard','IsActiveMember','EstimatedSalary' ) 컬럼들을 입력해주자 이때 처음부터 딕셔너리 형태로 만들어주었다면 이 과정은 생략된다 그 .. 공감수 1 댓글수 1 2024. 4. 17.
ANN - 개념정리 원하는 데이터를 얻기 위해 가공한 데이터들의 column값들이 입력되며 가중치에 의해 변형되어 합산되고 액티베이션함수에 의해서 다음 뉴런에게로 전파된다 액티베이션 함수에는 이런것들이 있다 그리고 그렇게 전달받은 히든레이어들은 그걸 다시아웃풋 레이어로 다시 전달한다 히든레이어는 몇개가 될지 모른다 사용자가 설정하는데로 정해지기 때문에 1개일수도 100개 일수도 있다 다만 1개 일때보다 100개일때 데이터처리가 늦을것이며 정확해질것이다 보통의 딥러닝은 이런식으로 진행되며 좌측 인풋레이어에서 데이터를 입력받아 우측 아웃풋레이어까지 가중치와 함수에 의해 수정의 수정을 거치며 답을 도출해내고 다시 좌측으로 한칸한칸 돌아가며 다시 수정의 수정을 거치게 된다 이것을 1회 하는것을 epochs라고 한다 이렇게 해서 하.. 공감수 0 댓글수 0 2024. 4. 16.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.