Tensorflow - CNN modeling cheet sheet

Library import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Flatten from keras.layers import Conv2D, MaxPooling2D Modeling def CNN_model() : class myCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs={}) : if logs.get('val_accuracy') >= 0.96 : print('\nReached 96% accuracy so cancelling training!') self.model.stop_training=True my_ca..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 14.
• textsms

Tensorflow - mnist cheet sheet

def train_mnist(): class myCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs={}) : if logs.get('val_accuracy') > 0.98 : print('\nReached 98% accuracy so cancelling training!') self.model.stop_training=True my_callback = myCallback() mnist = tf.keras.datasets.mnist (X_train, y_train),(X_test, y_test) = mnist.load_data() X_train = X_train / 255.0 X_test = X_test / 255.0 mod..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 14.
• textsms

Tensorflow - 레이블/원핫 인코딩 쉽게 바꾸기 (to_categorical)

텐서플로우 라이브러리 호출 from tensorflow.keras.utils import to_categorical 레이블 인코딩 -> 원핫 인코딩 변환 to_categorical(변수, num_classes=데이터갯수) 변수 : 레이블인코딩된 데이터를 원핫 인코딩으로 변환 num_classes : 레이블인코딩 된 데이터의 카테고리 수 y_train[0] >>> 5 # 레이블 인코딩 된 데이터 카테고리 수 확인, 분류 모델 총 10개 np.unique(y_train) >>> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8) # 원핫인코딩으로 변환, num_classes 10개 y_train = to_categorical(y_train, num_classes=10)..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 14.
• textsms

Tensorflow - validation_data 설정, validation_split 차이점

Validation_data 많은 데이터를 학습하면 자체적인 정확도는 올라가지만 과대적합인지 확인이 어려움 때문에 인공신경망 학습시 손실률과 정확도를 확인하기 위해 사용 즉, 검증의 용도로 사용 설정 방법 인공신경망 학습시 설정 학습을 위한 인공지능 생성 후 모델링 model = tf.keras.models.Sequential() model.add( tf.keras.layers.Dense(128, 'relu', input_shape=(784,) ) ) model.add( tf.keras.layers.Dropout(0.2) ) model.add( tf.keras.layers.Dense(10, 'softmax') ) model.compile('adam', 'sparse_categorical_crossentr..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 14.
• textsms

Tensorflow - 인공신경망 모델 파일로 저장하기 (전체/네트워크만/가중치만)

사전 확인 학습된 인공신경망 모델 변수 이름 : model 인공신경망 모델 ( 전체(Network+Weight) ) 모델 전체 저장하기 모델이름.save('파일이름') 현재 실행된 파일의 디렉토리에 인공신경망 폴더 생성 # model은 사전에 학습된 인공신경망 변수 이름 model.save('fashion_mnist_model') 폴더가 아닌 하나의 파일로 저장하기 모델이름.save('파일이름.h5') 현재 실행된 파일의 디렉토리에 .h5 파일 생성 model.save('fashion_mnist_model.h5') 불러오기 변수 = tf.keras.models.load_model('파일이름') model2 = tf.keras.models.load_model('fashion_mnist_model') mod..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 14.
• textsms

Tensorflow - Flatten / 자체적 Flatten (라이브러리 사용X)

Flatten 다차원의 행렬을 1차원의 행렬로 변경하는 작업 일반적으로 사용하는 Flatten 라이브러리 인공지능 모델링에서 계층(레이어)를 설정할 때 사용 인공지능 모델 생성 후 설정 (tf.keras.models.Sequential()) Flatten을 사용하면 모델링시 input_shape도 자동으로 지정 model.add(tf.keras.layers.Flatten()) 자체적 Flatten 처리 행렬의 크기를 확인 shape 행렬의 크기를 재정의 reshape 1차원의 행렬로 변경 자체적으로 Flatten 처리를 할 경우, 모델링시 input_shape를 지정하여야 함 array.shape >>> (60000, 28, 28) # 60000개의 이미지를 포함하는 28*28 행렬 array = arr..

• format_list_bulleted AI & ML/Machine Learning (Python)
• · 2022. 6. 14.
• textsms