줘이리의 인생적기

퍼셉트론을 시작으로 딥러닝에 대해서 공부하고 포스팅해보려고 합니다 퍼셉트론 먼저 퍼셉트론에 대해서 알아보자면, 퍼센트론은 가장 단순한 형태의 신경망입니다 싱글 레이어로 구성되어 있으며, input, weight, activation과 output으로 구성되어 있습니다 X는 input을 뜻하며, W는 각 input들의 가중치를 뜻합니다 Weighted sum은 bias를 포함하여 각 input들의 값과 가중치 값을 각각 곱하고 최종으로 더해서 나온 값이며, Activation은 Weighted Sum 값에 activation 함수를 적용한 값입니다. 활성화 함수 종류는 Step function, Sigmoid, ReLU등이 있다고 합니다. 나중에 깊게 다뤄보도록 하겠습니다! 퍼셉트론 학습 퍼셉트론 학습은 ..

정확도를 좀 더 올리기 위해, 과적합을 막기 위해 MaxPooling 레이어와 Dropout레이어를 추가해보도록 하겠습니다. 레이어 추가 부분을 주의하여 봐주세요. import tensorflow as tf import matplotlib.pyplot as plt 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 test_X = test_X / 255.0 # print("reshape 이전 => ", train_X.shape, test_X.shape) train_X = train_X.reshape(-1, 28..

이제까지 사용했었던 레이어들을 다시 한번 상기시켜 볼까요? 첫 번째, 제일 많이 사용했었던 Dense layer 입니다. 신경망에서 가장 기본 레이어 이며, 각 뉴런이 서로 완전히 연결되는 Fully connected layer라고도 합니다. 두 번째, Fashion MNIST에서 사용했었던 Flatten layer 입니다. 다차원의 이미지를 1차원으로 평평하게 바꿔주는 레이어 입니다. 이제부터 컨볼루션 신경망의 구조를 살펴보고, 여러 레이어에 대해서 알아보겠습니다. 이미지 분류에서는 Feature Extractor를 거친 후 Classifier를 거치게 되는데 Convolution layer, Pooling layer가 Feature Extractor에 해당하며, Dense layer가 Classifi..