# -*- coding: utf-8 -*- import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.keras import layers, models from tensorflow.keras.datasets import imdb from tensorflow.keras.preprocessing import sequence print(tf.__version__) """ Input tensor와 Target tensor 준비(훈련 데이터) """ (input_train, y_train), (input_test, y_test) = imdb.load_data(num_words=10000) print(len(input_train)) # 25000..

https://www.codepresso.kr/course/61 이미지 데이터 처리를 위한 CNN 완벽 가이드 김지훈 강사 코드프레소 인공지능 대표 강사 전 LG CNS 데이터 엔지니어 전 Smilegate Stove 딥러닝 엔지니어 www.codepresso.kr * 배운 것 01 딥러닝 핵심 개념 02 TensorFlow 2.0 기초 개념 및 활용 03 TensorFlow High Level API의 활용 04 CNN 개념 이해 및 실습 05 모델 Fine Tunning 및 Data Augmentation 드디어 코드프레소의 "이미지 데이터 처리를 위한 CNN 완벽 가이드"를 완강했다. 코드프레소 체험단 중 인공지능 트랙에서 가장 길었던 총 5시간 22분 분량의 본 강의는 알찼고, 중간중간 실습이 많..

https://insengnewbie.tistory.com/215 이미지 데이터 처리를 위한 CNN 완벽 가이드 - Transfer Learning 사전 학습된 CNN(특성 추출)을 이용한 학습 - 작은 데이터셋에 딥러닝을 적용하는 가장 효과적인 방법은 사전 학습된 모델 사용 - 새로운 문제가 학습된 데이터와 큰 차이가 있더라도 많은 비 insengnewbie.tistory.com 전이학습은 특정 도메일 데이터를 분석하는데 좋은 성능을 발휘하는 최신 딥러닝 모델에 수천 만 건의 데이터를 학습시킨 모델을 가져다가 우리의 문제에 적용하는 기술이다. 전이 학습은 가장 성능이 좋은 모델, 그리고 방대한 양의 데이터의 학습이라는 두가지 장점을 쉽고 편하게 사용하여 딥러닝 기술의 확산에 큰 기여를 하였다. Tens..

사전 학습된 CNN(특성 추출)을 이용한 학습 - 작은 데이터셋에 딥러닝을 적용하는 가장 효과적인 방법은 사전 학습된 모델 사용 - 새로운 문제가 학습된 데이터와 큰 차이가 있더라도 많은 비전 문제에 유용 - 사전 학습된 모델(VGG16)을 이용하여 작은 데이터셋을 통한 학습을 진행 - 특성 추출(Feature Extraction) : 사전에 학습된 네트워크의 표현을 사용해 새로운 샘플에서 중요한 특성을 뽑아내는 것 Transfer Learning(전이 학습) - Fine Tunning(미세조정)이라고도 부름 - 사전에 학습된 네트워크에서 뽑아낸 특성을 사용하여 분류기 부분만 처음부터 훈련 - 특성 추출 모듈의 필터에 학습된 표현은 일반적이어서 재사용 가능 - 합성곱 층에서 추출한 표현의 일반성(재사용성..

overfitting - train 데이터가 실제 부딪힐 수 있는 모든 상황의 데이터를 갖지 못해 발생 Augmentation : 기존의 이미지 데이터를 조금 변형시키는 것 - train 데이터에 약간의 변형을 가해, 데이터의 분포를 다양하게 만든다. ImageDataGenerator 객체 생성 - Image Data Augmentation을 위한 다양한 설정정보 지정 - rotation_range : 랜덤하게 사진을 회전시킬 각도 범위 - width_shift_range/height_shift_range : 사진을 수평과 수직으로 랜덤하게 평행 이동시킬 범위 - shear_range : 랜덤하게 전단 변환을 적용할 각도 범위 - zoom_range : 랜덤하게 사진을 확대할 범위 - horizontal..

기존에는 numpy 형태로 이미 처리된 이미지 데이터를 사용했기 때문에, 파일 형태의 이미지 데이터을 분석하는 실무 적용에는 한계가 있었다. 이번 시간에는 ImageDataGenerator API를 이용하여 이미지 파일을 load하여 전처리 작업 후 모델의 학습에 사용하는 실습을 진행한다. - CNN 모델을 이용하여 분류 분석 모델을 만든다. - 앞선 Cat&Dog 데이터 셋(2개의 클래스)과 다르게 3개의 클래스로 구성되어 있다. - 구글 AI 팀의 연구원 Laurence Moroney 이 딥러닝 교육용으로 수집한 데이터 셋 - 3000여 장의 300x300 픽셀의 24bit 컬러로 구성되어 있는 데이터셋 import tensorflow as tf from tensorflow import keras i..