일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- OpenCV
- 프로세스
- python
- 알고리즘
- 영상처리
- 학습
- C++
- CV
- shell
- 백준알고리즘
- error
- Windows10
- C언어
- 턱걸이
- 회귀
- 코딩
- 리눅스
- 운영체제
- 공부
- linux
- 프로그래밍
- 쉘
- Windows 10
- 딥러닝
- 텐서플로우
- 시스템프로그래밍
- 백준
- Computer Vision
- TensorFlow
- c
- Today
- Total
목록모델 (2)
줘이리의 인생적기
[tensorflow 19]에서 Fashion MNIST를 Dense 레이어를 사용하여 분류하였습니다. 이번에는 새롭게 공부한 컨폴루션, 풀링 레이어를 이용하여 분류해보겠습니다. [tensorflow 19]와 동일하게 정규화를 진행하고, 컨볼루션 연산을 진행하겠습니다. Conv2D 연산을 하기 위해서는 채널을 가진 데이터의 형태로 Shape를 변경해야 합니다. Shape 변경 후 모델 구성을 해보도록 하겠습니다. import tensorflow as tf fashion_mnist = tf.keras.datasets.fashion_mnist (train_X, train_Y), (test_X, test_Y) = fashion_mnist.load_data() train_X = train_X / 255.0 te..
앞선 포스팅에서 사용했었던 Sequantial 모델을 사용하도록 하겠습니다. 4개의 Dense 레이어, relu, Adam, mse를 사용하겠습니다. from tensorflow.keras.datasets import boston_housing import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #데이터셋 가져오기 (train_X, train_Y), (test_X, test_Y) = boston_housing.load_data() ###########정규화 (Standardization) ############# # X 값 Standardization X_mean = train_X.mean(axis=0) X_std = tr..