All79 [딥러닝] 딥러닝 모델과 가중치 저장, 로드 및 예측수행 HTML 삽입 미리보기할 수 없는 소스 이번 글에서는 "딥러닝 모델과 가중치를 저장하고 로드하는 이유와 그 방법, 그리고 로드한 모델에 대한 예측 수행"에 대한 내용들을 살펴보려 한다. 차례와 사용 툴 및 라이브러리는 아래와 같다. [차례] 첫 번째, 가중치와 모델을 저장하고 불러오는 이유 두 번째, 모델의 가중치 저장 및 불러오기 세 번째, 모델 전체 저장 및 불러오기 네 번째, 불러온 모델에 대한 예측 수행 [사용 툴] - Jupyter notebook(웹 기반 대화형 코딩 환경) [사용 라이브러리 및 모듈] 연산 라이브러리: numpy 딥러닝 라이브러리 및 모델: TensorFlow - tensorflow.keras: 사용자 친화적 인터페이스를 제공하는 TensorFlow의 고수준 API 가중치와 .. 2024. 1. 6. [딥러닝] 드롭아웃(Dropout)의 개념, 사용하는 이유, 사용방법과 이를 적용한 모델의 성능 확인 HTML 삽입 미리보기할 수 없는 소스 이번 글에서는 "드롭아웃(Dropout)에 대한 개념과 사용하는 이유, 그리고 사용방법과 이를 적용한 모델의 성능 확인"에 대한 방법들을 살펴보려 한다. 차례와 사용 툴 및 라이브러리는 아래와 같다. [차례] 첫 번째, 드롭아웃(Dropout) 이란? 두 번째, 드롭아웃(Dropout)을 사용하는 이유 세 번째, 드롭아웃(Dropout)의 사용방법 네 번째, 드롭아웃(Dropout)을 적용한 모델의 성능 확인 [사용 툴] - Jupyter notebook(웹 기반 대화형 코딩 환경) [사용 라이브러리 및 모듈] 시각화 라이브러리 및 모듈: matplotlib.pyplot 딥러닝 라이브러리 및 모델: TensorFlow - tensorflow.keras: 사용자 친화.. 2024. 1. 6. [딥러닝] 심층신경망(DNN)에 대한 개념 및 모델 구축 HTML 삽입 미리보기할 수 없는 소스 이번 글에서는 "심층신경망(DNN)에 대한 개념 및 모델 구축"에 대한 방법들을 살펴보려 한다. 차례와 사용 툴 및 라이브러리는 아래와 같다. [차례] 첫 번째, 심층신경망(Deep Neural Network, DNN)이란? 두 번째, 심층신경망(DNN) 구축하기 [사용 툴] - Jupyter notebook(웹 기반 대화형 코딩 환경) [사용 라이브러리 및 모듈] 시각화 라이브러리 및 모듈: matplotlib.pyplot 머신러닝 라이브러리 및 모델: scikit-learn - sklearn.model_selection.train_test_split: 훈련 및 테스트 데이터 세트 분리 딥러닝 라이브러리 및 모델: TensorFlow - tensorflow.ker.. 2024. 1. 5. [딥러닝] 신경망 계층 추가방법 및 성능향상방법(옵티마이저; Optimizer+학습률(learning_rate)+모멘텀(Momentum)) HTML 삽입 미리보기할 수 없는 소스 이번 글에서는 "신경망 계층 추가방법 및 성능 향상방법(옵티마이저)"에 대한 방법들을 살펴보려 한다. 차례와 사용 툴 및 라이브러리는 아래와 같다. [차례] 첫 번째, 신경망계층 추가 | Loss, Metrics | 옵티마이저 두 번째, 옵티마이저 - 학습률(Learing Rate) 적용하기 세 번째, 모멘텀(Momentum) 적용하기 [사용 툴] - Jupyter notebook(웹 기반 대화형 코딩 환경) [사용 라이브러리 및 모듈] 머신러닝 라이브러리 및 모델: scikit-learn - sklearn.model_selection.train_test_split: 훈련 및 테스트 데이터 세트 분리 딥러닝 라이브러리 및 모델: TensorFlow - tensorf.. 2024. 1. 4. [딥러닝] 인공신경망(ANN) 개념 및 모델 구축+성능 개선(계층 추가) HTML 삽입 미리보기할 수 없는 소스 이번 글에서는 딥러닝의 핵심 요소 중 하나인 "인공신경망(ANN) 개념 및 모델 생성과 더불어 성능 개선(계층 추가)"에 대한 방법들을 살펴보려 한다. 차례와 사용 툴 및 라이브러리는 아래와 같다. [차례] 첫 번째, 인공신경망이란 두 번째, 인공신경망 모델 구축 세 번째, 인공신경망 모델 성능 개선 [사용 툴] - Jupyter notebook(웹 기반 대화형 코딩 환경) [사용 라이브러리 및 모듈] 연산 라이브러리: numpy 시각화 라이브러리 및 모듈: matplotlib의 pyplot 모듈 머신러닝 라이브러리 및 모델: scikit-learn - sklearn.model_selection.train_test_split: 훈련 및 테스트 데이터 세트 분리 딥러.. 2024. 1. 4. [머신러닝] 훈련·검증·테스트 데이터로 분리하는 이유(+분리 비율) HTML 삽입 미리보기할 수 없는 소스 이번 글에서는 "왜 데이터를 훈련, 검증, 테스트 데이터로 분리해야 하는지, 그리고 이를 어떻게 체계적으로 분리할 수 있는지"에 대해 자세히 알아보려 한다. 차례와 사용 툴 및 라이브러리는 아래와 같다. [차례] 첫 번째, 훈련 · 검증 · 테스트 데이터 두 번째, random_state 매개변수 역할 세 번째, 데이터를 분리하는 이유 네 번째, 데이터 분리 방법 [사용 툴] - Jupyter notebook(웹 기반 대화형 코딩 환경) [사용 라이브러리 및 모듈] 머신러닝 라이브러리 및 모델: scikit-learn - sklearn.model_selection.train_test_split: 훈련 및 테스트 데이터 세트 분리 훈련 · 검증 · 테스트 데이터 데이.. 2023. 12. 27. 이전 1 2 3 4 5 ··· 14 다음
