정착소

SVHN

image 3개 %tensorflow_version 2.0x import tensorflow as tf from tensorflow import keras from google.colab import files # 구글 드라이브에 파일을 업로드해두고 읽는 방식 from google.colab import drive drive.mount('/content/drive') import numpy as np from scipy.io import loadmat import matplotlib.pyplot as plt import os os.chdir('drive/My Drive/Colab Notebooks') mat = loadmat('test_32x32.mat') mat.keys() # 데이터 획득 x = ma..

.mat 파일 읽어오기

▶ 방법 1 %tensorflow_version 2.0x import tensorflow as tf from tensorflow import keras from google.colab import files # 구글 드라이브에 파일을 업로드해두고 읽는 방식 from google.colab import drive drive.mount('/content/drive') import numpy as np from scipy.io import loadmat import matplotlib.pyplot as plt from google.colab import drive drive.mount('/content/drive') mat = loadmat('test_32x32.mat') mat.keys() ▶ 방법 2 %t..

numtest

▶ 미션 : 데이터획득: .mat 에서 x, y 를 가져옵니다 전처리 : x, y 를 학습할 수 있게 만듭니다 x : (h,w,c,m) > (m,h,w,c) 로 수정 y : (m,1) > (m) 로 수정 y 의 라벨을 확인하세요. 숫자 0 의 라벨이 '10'입니다. 이것을 0으로 수정하세요 모델 생성: CNN, RNN, CRNN 등의 모델을 만듭니다 학습 및 평가: 데이터를 학습시키고 성능을 측정합니다 %tensorflow_version 2.0x import tensorflow as tf from tensorflow import keras from google.colab import files # 파일 업로드 방식 uploaded = files.upload() from scipy import io mat..

rnn_2_number_with_blank

%tensorflow_version 2.x import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_digits tf.keras.backend.set_floatx('float32') x, y = load_digits(return_X_y=True) x.shape, y.shape, set(y) ▶ 학습데이터와 테스트 데이터를 나눕니다 m = len(y)//2 x_train = x[:m] y_train = y[:m] x_test = x[m:m*2] y_test = y[m:m*2] x_test.shape, y_test.sha..

cnn_2_number_with_blank

※ 2 자리수 숫자, 공백 CNN 분류기 %tensorflow_version 2.x import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_digits tf.keras.backend.set_floatx('float32') x, y = load_digits(return_X_y=True) x.shape, y.shape, set(y) → ((1797, 64), (1797,), {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}) ▶ 학습데이터와 테스트 데이터를 나눕니다 m = len(y)//2 x_train = x[:..

cnn_2_number

※ 2 자리수 숫자 CNN 분류기 %tensorflow_version 2.x import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_digits x, y = load_digits(return_X_y=True) x.shape, y.shape, set(y) → ((1797, 64), (1797,), {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}) ▶ 학습데이터와 테스트 데이터를 나눕니다 m = len(y)//2 x_train = x[:m] y_train = y[:m] x_test = x[m:m*2] y_test..

keras_cnn_expert

%tensorflow_version 2.x import tensorflow as tf from tensorflow import keras import numpy as np from sklearn.datasets import load_digits x, y = load_digits(return_X_y=True) x.shape, y.shape, set(y) # 150개의 데이터, 클래스 k=3 → ((1797, 64), (1797,), {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}) #간단한 모델 model = keras.Sequential() model.add(keras.layers.Input((8,8,1))) model.add(keras.layers.Conv2D(3, [3,3], padding='..

keras_logistic_regression_expert

%tensorflow_version 2.x import tensorflow as tf from tensorflow import keras import numpy as np from sklearn.datasets import load_iris x,y = load_iris(return_X_y=True) x.shape, y.shape, set(y) # 150개의 데이터, 클래스 k=3 → ((150, 4), (150,), {0, 1, 2}) #간단한 모델 simple_model = keras.Sequential() simple_model.add(keras.layers.Dense(3, activation=keras.layers.Softmax())) simple_model.compile(loss=keras.los..