'머신러닝' 태그의 글 목록 (4 Page)

이미지 데이터 처리를 위한 CNN 완벽 가이드 - CIFAR-10-codepresso 분류 CNN 모델 구현

2022.03.07

- 캐나다 토론토 대학의 연구팀에서 mnist보다 좀 더 복잡한 이미지 연구를 위해 수집한 데이터 셋 - 60,000개의 컬러 이미지로 구성된 이미지 데이터 입니다. - 100개의 클래스를 가지고 있고 각 클래스는 600장의 이미지 데이터로 구성되어 있습니다. - 각각의 이미지는 (32, 32, 3) 형태의 3차원 텐서로 구성되어 있다. - CIFAR-10-codepresso 데이터 셋은 CIFAR-100 데이터 셋에서 10 개의 클래스를 선택하여 데이터 셋을 구성하였습니다. 또한 각 클래스의 라벨 정보는0~9 사이의 정수로 구성되어 있습니다. - 각각의 범주 id 와 인덱스로 매핑 되어 있는 class name 리스트 자료 구조는 아래와 같습니다. cifar_label_name = ['apple', '..

프로젝트/코드프레소 체험단

이미지 데이터 처리를 위한 CNN 완벽 가이드 - CIFAR-10 분류 CNN 모델 구현

2022.03.07

import matplotlib.pyplot as plt from tensorflow.keras.datasets import cifar10 (train_x, train_y), (test_x, test_y) = cifar10.load_data() class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'] train_x = train_x/255. test_x = test_x/255. from tensorflow.keras.utils import to_categorical train_y = to_categorical(train_y) test_y = to_categorical(test..

프로젝트/코드프레소 체험단

이미지 데이터 처리를 위한 CNN 완벽 가이드 - fashion-mnist 분류 CNN 모델 구현

2022.03.07

fashion-mnist data set - 70,000개의 흑백 이미지로 구성된 이미지 데이터 - 각각의 이미지는 (28, 28) 형태의 2차원 텐서로 구성되어 있고 흑백 이미지이기 때문에 채널에 해당하는 차원은 존재하지 않는다. - 라벨 정보는 각각의 이미지의 범주에 해당하는 id 정보로 0~9 사이의 정수로 구성되어 있다. * Keras API를 활용한 fashion-mnist 데이터셋 분류 CNN 모델 구현 import tensorflow as tf from tensorflow.keras.datasets import fashion_mnist """* Step 1. Inptu tensor 와 Target tensor 준비(훈련데이터)""" # label 데이터의 각 value 에 해당하는 class..

프로젝트/코드프레소 체험단

이미지 데이터 처리를 위한 CNN 완벽 가이드 - MNIST 데이터셋 분류 CNN 모델 구현

2022.03.06

import matplotlib.pyplot as plt from tensorflow.keras.datasets import mnist # input tensor와 target tensor 준비 # (60000, 28, 28), (60000,) (train_x, train_y), (test_x, test_y) = mnist.load_data() # 입력 데이터의 전처리 # 0과 1 사이로 정규화 train_x = train_x/255. test_x = test_y/255. # MLP input_data : 1-D tensor # convolution input_data : 3-D tensor # train_x[0].shape === (28, 28) # 컨볼루션 층은 이미지가 컬러임을 감안해 3D tens..

프로젝트/코드프레소 체험단

이미지 데이터 처리를 위한 CNN 완벽 가이드 - Keras의 CNN API

2022.03.05

Convolution layer tf.keras.layers.Conv2D( filters, kernel_size, strides=(1, 1), padding='valid', activation=None, ... **kwargs ) ''' filters : 필터의 개수 kernel_size : tuple. 필터의 크기 strides : default=(1,1). 필터를 이동시킬 값 padding : valid(패딩X)/same(원본과 동일한 출력이 나오도록 패딩O) activation : Feature Map을 Activation Map으로 변환시키는 함수 ''' Pooling layer # Sub sampling # 일반적으로 Average보다 Max Pooling을 많이 쓴다. tf.keras.laye..

이미지 데이터 처리를 위한 CNN 완벽 가이드 - CIFAR-10-codepresso 분류 CNN 모델 구현

이미지 데이터 처리를 위한 CNN 완벽 가이드 - CIFAR-10 분류 CNN 모델 구현

이미지 데이터 처리를 위한 CNN 완벽 가이드 - fashion-mnist 분류 CNN 모델 구현

이미지 데이터 처리를 위한 CNN 완벽 가이드 - MNIST 데이터셋 분류 CNN 모델 구현

이미지 데이터 처리를 위한 CNN 완벽 가이드 - Keras의 CNN API

티스토리툴바