정착소

2020_01_23 KNN

※ KNN : k-최근접 이웃 분류 (k-Nearest neighbor) import numpy as np # 개, 말, 새 x = [140, 150, 160, 170, 180] y = [0, 0, 1, 1, 2] # 초:0, 중:1, 고:2 x_test = [120, 158, 177] * 위 x 데이터를 KNN 모델을 fit해서 x_test를 예측하세요 x = np.array(x).reshape((-1, 1)) # 1d를 2d로 모양 변경, -1자리는 자동으로 계산해서 변경하라는 뜻 x_test = np.array(x_test).reshape((-1, 1)) y = np.array(y) x.shape → (5, 1) from sklearn.neighbors import KNeighborsClassifi..

object_detection_yolo_keras

※ 물체 탐지(Object detection) - YOLO Keras * DarkNet의 모델을 Keras로 변환하여 물체 탐지 실행. ▶ 버전 다운로드 * 버전 업데이트가 안돼서 2.1.5로 내려서 다운로드하고 y를 누른다. !pip uninstall keras !pip install keras==2.1.5 import keras print(keras.__version__) ▶ 프로젝트 다운로드 %cd /content !rm -rf keras-yolo3 !git clone https://github.com/qqwweee/keras-yolo3 ▶ YOLO3 모델 다운로드 %cd /content/keras-yolo3 !wget wget https://pjreddie.com/media/files/yolov3..

object_detection_yolo_darknet

※ 물체 탐지(Object detection) - YOLO DarkNet * YOLO의 원 코드 DarkNet으로 물체 탐지 실행. ▶ 프로젝트 다운로드 %cd /content !rm -rf darknet !git clone https://github.com/pjreddie/darknet # 빌드 %cd darknet !make # 빌드된 실행파일 확인 !ls -al darknet # 빌드 확인 !./darknet ▶ 학습된 모델 파일 다운로드 %cd /content/darknet !wget wget https://pjreddie.com/media/files/yolov3.weights ▶ 물체 탐지 실행 * 대상 파일은 data/dog.jpg * 모델의 웨이트 파일은 yolov3.weights * 모델 ..

2020_01_22 VGG16

def predict_vgg16(model, filename) : # 모델 사이즈로 이미지 파일을 읽기 image = load_img(filename, target_size=(224, 224)) # image = PIL.Image.Image image mode=RGB size=224x224 # 이미지 데이터를 numpy로 변환 image = img_to_array(image) # [ # [[211. 184. 163.] # [225. 193. 170.] # ... # [237. 202. 180.]] # ... # ] # # image.shape = (224, 224, 3) # 화면에 이미지 보여주기 plt.imshow(image.astype(int)) plt.show() # vgg16.preprocess_..

2020_01_22 CIFAR10

import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras from tensorflow.keras import optimizers from tensorflow.keras.layers import Dense, Flatten, Conv2D, MaxPooling2D, BatchNormalization, Input import time ▶ 이전 CNN 코드 * CIFAR10 적용 전 CNN 복습 (raw_train_x, raw_train_y), (raw_test_x, raw_test_y) = tf.keras.datasets.mnist.load_data() train_x = raw_tra..

2020_01_21 CNN

※ 이전 DNN 코드 * CNN 들어가기 전 복습 import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras from tensorflow.keras import optimizers from tensorflow.keras.layers import Dense, Flatten, Input import time (raw_train_x, raw_train_y), (raw_test_x, raw_test_y) = tf.keras.datasets.mnist.load_data() train_x = raw_train_x/255 test_x = raw_test_x/255 train_y = raw_t..

2020_01_21 IRIS

※ IRIS 데이터 분류 import numpy as np import pandas as pd import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras from tensorflow.keras import optimizers from tensorflow.keras.layers import Dense !wget https://raw.githubusercontent.com/dhrim/oss_university/master/material/iris.csv !head iris.csv !wc iris.csv iris = pd.read_csv("iris.csv") iris.head() iris.info() data = ir..

2020_01_20 DL(Keras)

1. Keras 모듈 import import numpy as np import pandas as pd import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras import time from tensorflow.keras import optimizers from tensorflow.keras.layers import Dense * Optimizers : 최적화 * Dense : 입출력을 모두 연결해주는 레이어 리스트 보기 from tensorflow.python.client import device_lib print(tf.test.gpu_device_name()) NVIDIA GPU 상태보기 !nvidia-sm..