Colab으로 하루에 하나씩 딥러닝

https://school.programmers.co.kr/learn/courses/30/lessons/120956 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 문제 설명 머쓱이는 태어난 지 6개월 된 조카를 돌보고 있습니다. 조카는 아직 "aya", "ye", "woo", "ma" 네 가지 발음을 최대 한 번씩 사용해 조합한(이어 붙인) 발음밖에 하지 못합니다. 문자열 배열 babbling이 매개변수로 주어질 때, 머쓱이의 조카가 발음할 수 있는 단어의 개수를 return하도록 solution 함수를 완성해주세요. 제한 사항 1 ≤ babbling의 ..

LeNet-5(르넷-5) 얀 르쿤(Yann LeCun)이 7 계층 모델 구조를 가진 신경망을 통해 필기체로 쓰인 숫자를 인식하게 함 7 계층 : 'CONV - POOL - CONV - POOL - FC - FC - FC' 콘벌루션 계층(CONV)과 풀링 계층(POOL)을 2번씩 반복한 뒤 완전 연결 3 계층(FC)으로 연결 콘벌루션 계층과 풀링 계층은 신경망의 시각 영역, 완전 연결 계층은 연관 영역을 모델링 함 LeNet-5(르넷-5) 실습 ### 라이브러리 호출 %load_ext tensorboard import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.keras import Model fro..

특성 맵 시각화(Feature map) 입력 이미지 또는 다른 특성 맵처럼 필터를 입력에 적용한 결과 특정 입력 이미지에 대한 특성 맵을 시각화 입력 특성을 감지하는 방법을 이해할 수 있도록 함 특성 맵 시각화 실습 ### 라이브러리 호출 import tensorflow as tf from tensorflow import keras# 설명 1 import numpy as np import matplotlib.pyplot as plt import cv2 from tensorflow.keras.models import Model from sklearn.model_selection import train_test_split from tensorflow.keras.utils import to_categorica..

미세 조정 기법(Fine-tuning) 특성 추출 기법에서 더 나아가 사전 훈련된 모델과 합성곱층, 데이터 분류기의 가중치를 업데이트하여 훈련시키는 방식 특성이 잘못 추출되었다면 미세 조정 기법으로 새로운 이미지 데이터를 사용하여 네트워크의 가중치를 업데이트해서 특성을 다시 추출 사전 학습된 모델을 못적에 재학습시키거나 학습된 가중치의 일부를 재학습시키는 것 미세 조정 기법 전략 데이터셋이 크고 사전 훈련된 모델과 유사성이 작을 경우 모델 전체를 재학습 데이터셋이 크고 사전 훈련된 모델과 유사성이 클 경우 합성곱층의 뒷부분과 데이터 분류기를 학습 데이터셋이 유사하기 때문에 전체보다는 강한 특징을 가진 합성곱층의 뒷부분과 데이터 분류기를 학습하는 게 효과적 데이터셋이 작고 사전 훈련된 모델과 유사성이 작을..

전이학습 (Transfer learning) 아주 큰 데이터셋을 써서 훈련된 모델의 가중치를 가져와 해결하려는 과제에 맞게 보정 훈련을 시키기 위한 많은 양의 데이터, 돈과 시간을 절약함 전이학습 방법으로는 특성 추출과 미세 조정 기법이 있음 특성 추출 기법(Feature extractor) 학습할 때는 마지막 완전연결층 부분만 학습하고 나머지 계층들은 학습되지 않도록 함 이미지 분류를 위해 두 부분으로 나뉨 합성곱층: 합성곱층과 풀링층으로 구성 데이터 분류기(완전연결층): 추출된 특성을 입력받아 최종적으로 이미지에 대한 클래스를 분류하는 부분 사전 훈련된 네트워크의 합성곱층(가중치 고정)에 새로운 데이터를 통과시키고, 그 출력을 데이터 분류기에서 훈련시킴 특성 추출 기법 실습 ### 라이브러리 호출 i..

Colab Colaboratory는 Google 리서치팀에서 개발한 제품입니다. Colab을 사용하면 누구나 브라우저를 통해 임의의 Python 코드를 작성하고 실행할 수 있습니다. Colab은 특히 머신러닝, 데이터 분석, 교육에 적합합니다. 더 기술적으로 설명하면 Colab은 호스팅 된 Jupyter 노트북 서비스로, 설정하지 않고 사용 가능하며 GPU를 포함한 컴퓨팅 리소스를 무료로 사용할 수 있습니다. https://research.google.com/colaboratory/faq.html?hl=ko Google Colab Colaboratory 자주 묻는 질문(FAQ) 기본 사항 Colaboratory란 무엇인가요? 줄여서 'Colab'이라고도 하는 Colaboratory는 Google 리서치팀..

1. 본인 Kaggle 계정에 접속하여 API Token 생성 오른쪽 자신의 계정을 클릭한 후, 'Account'에 접속 이후, 'Create New API Token'을 클릭 후에 로컬에 다운로드 2. Colab에서 본인 API Token 등록 ### kaggle 라이브러리 설치 이후 API Token 등록 !pip install kaggle from google.colab import files files.upload() 1단계에서 받은 API Token을 'Choose Files'에 업로드 업로드 이후에 자동적으로 코드 실행 완료 3. 등록된 API Token 파일 이동 ### Kaggle 데이터셋 다운로드를 위하여 폴더 위치 변경 !mkdir -p ~/.kaggle !cp kaggle.json ~..

합성곱 신경망 맛보기 ### 라이브러리 호출 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np ### fashion_mnist 데이터셋 내려받기 fashion_mnist = tf.keras.datasets.fashion_mnist (x_train, y_train), (x_test, y_test) = fashion_mnist.load_data() ### 분류에 사용될 클래스 정의 class_names = ['T-shirt', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal','Shirt','Sneaker','Bag','Ankle Boot'] for i in range(25): plt.s..