rueki

텐서플로우에서 제공하는 숫자 이미지 mnist에 대해 알아보자 1.라이브러리 불러오기 import numpy as np import matplotlib.pyplot as plt # 시각화를 위한 것 import tensorflow as tf %matplotlib inline #주피터 노트북 안에서 바로 생성 2. 데이터 불러오기 from tensorflow.keras import datasets mnist = datasets.mnist (train_x, train_y),(test_x, test_y) = mnist.load_data() train_x.shape #(60000, 28, 28) - 60000개의 데이터, 28 by 28 이미지 데이터 3. 시각화 해보기 image = train_x[0] ima..

1. 라이브러리 불러오기 import numpy as np #넘파이 import tensorflow as tf #텐서플로우 2. Tensor 생성, Array 생성 # 넘파이 Array 생성 np.array([1,2,3]) #결과 array([1, 2, 3]) #Tensor 생성 tf.constant([1,2,3]) 3. shape 알아보기, 타입 변경 #Numpy arr = np.array([1,2,3]) arr.shape #tensorflow tensor = tf.constant(arr) tensor.dtype # 출력 : tf.int32 #타입 변경 arr.astype(np.float32) tf.cast(tensor, dtype=tf.float32) 4. 난수 생성하기 Normal distribut..

딥러닝을 공부할 때 'Hello, world!' 와 같은 존재인 Mnist를 통해 실습해보자. Mnist는 손글씨 이미지이며, 0부터 9까지의 숫자에 대한 데이터가 있다. 28x28픽셀로서 특징은 784개인데, 즉 입력이 784라는 것을 캐치해야한다. 그럼 출력값은? 당연히 0부터 9까지 10이 되겠다. import tensorflow as tf import numpy as np 먼저 텐서플로우 라이브러리를 불러오자 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("/.mnist/data/", one_hot = True) mnist 데이터는 텐서플로우 안에 내장되어 있어 쉽게 불러올 수가..

이전 게시글에서는 입력층(특성에 관련)과 출력층(새의 종류)만 고려해서 Neural network를 구현해보았다. 이번 시간에는 입력층과 출력층 사이에 hidden layer를 넣어서 이전과는 어떻게 결과값이 달라지는지 알아보겠다. import tensorflow as tf import numpy as np 먼저 필요한 라이브러리를 불러오도록 하자. # [털, 날개] x_data = np.array( [[0, 0], [1, 0], [1, 1], [0, 0], [0, 0], [0, 1]]) # [기타, 포유류, 조류] y_data = np.array([ [1, 0, 0], # 기타 [0, 1, 0], # 포유류 [0, 0, 1], # 조류 [1, 0, 0], [1, 0, 0], [0, 0, 1] ]) 입력..