Python 라이브러리를 활용한 인공지능 - 편집 역사

Ryanyang: /* 5일차 */

2022-08-12T08:06:28Z

5일차

211.200.98.37: /* 5일차 */

2022-08-12T07:40:24Z

5일차

← 이전 판		2022년 8월 12일 (금) 16:40 판
310번째 줄:		310번째 줄:
	**VGG를 구현한다. <br />[[파일:VGG 구조.png\|프레임없음\|1100x1100픽셀]]		**VGG를 구현한다. <br />[[파일:VGG 구조.png\|프레임없음\|1100x1100픽셀]]

	**제로패딩(Zero-Padding)을 적절히 해주어야 양쪽 끝에 있는 픽셀이 줄어들지 않고 Convolution 계산이 됨		*제로패딩(Zero-Padding)을 적절히 해주어야 양쪽 끝에 있는 픽셀이 줄어들지 않고 Convolution 계산이 됨
	***model.add ( Conv2D(64, (3,3), activation='relu', padding='same', input_shape=(28, 28)) )		**model.add ( Conv2D(64, (3,3), activation='relu', padding='same', input_shape=(28, 28)) )
	****same : 필터의 사이즈가 k이면 사방으로 k/2 만큼의 패딩을 준다. ([https://buomsoo-kim.github.io/keras/2018/05/02/Easy-deep-learning-with-Keras-8.md/ 링크])		***same : 필터의 사이즈가 k이면 사방으로 k/2 만큼의 패딩을 준다. ([https://buomsoo-kim.github.io/keras/2018/05/02/Easy-deep-learning-with-Keras-8.md/ 링크])
			*CNN으로 MNIST 구현을 함
			*RNN 소개
			**RNN은 activation 함수로 tanh 나 sigmoid를 쓰는 경우가 많음
			*비트코인 가격 예측 프로그램 작성
			**어떻게 예측할까? 주어진 데이터를 통해 예측하는데 아래와 같이 하고자 함
			***1~5일차 데이터로 6일 때 비트코인 가격 예측
			***2~6일차 데이터로 7일 때 비트코인 가격 예측
			***3~7일차 데이터로 8일 때 비트코인 가격 예측
			***...
			*마지막에는 복습 및 시험관련 설명
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T05:45:00Z

5일차

← 이전 판		2022년 8월 12일 (금) 14:45 판
291번째 줄:		291번째 줄:
	*오전수업		*오전수업
	**사이트 소개 : https://playground.tensorflow.org/		**사이트 소개 : https://playground.tensorflow.org/
	***값을 조절해가며 찾아봤다! <br />[[파일:Playground for TensorFlow.png\|프레임없음\|1300x1300픽셀]] <br />		***값을 조절해가며 찾아봤다! <br /><br />[[파일:Playground for TensorFlow.png\|프레임없음\|1300x1300픽셀]] <br />
			***이렇게 레이어를 많이 추가하면 된다. <br />[[파일:Playground TensorFlow 이렇게.png\|프레임없음\|1300x1300픽셀]]<br />
	**'''차원의 저주'''		**'''차원의 저주'''
	***'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다		***'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다
305번째 줄:		306번째 줄:

	*오후수업		*오후수업
			**강사님이 커피를 준다고 했는데 안 사왔다!!! 라이어!!!
			**오후에는 CNN 실습을 한다.
			**VGG를 구현한다. <br />[[파일:VGG 구조.png\|프레임없음\|1100x1100픽셀]]

			**제로패딩(Zero-Padding)을 적절히 해주어야 양쪽 끝에 있는 픽셀이 줄어들지 않고 Convolution 계산이 됨
			***model.add ( Conv2D(64, (3,3), activation='relu', padding='same', input_shape=(28, 28)) )
			****same : 필터의 사이즈가 k이면 사방으로 k/2 만큼의 패딩을 준다. ([https://buomsoo-kim.github.io/keras/2018/05/02/Easy-deep-learning-with-Keras-8.md/ 링크])
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T03:12:29Z

5일차

← 이전 판		2022년 8월 12일 (금) 12:12 판
301번째 줄:		301번째 줄:
	**딥러닝을 하다보면 훈련이 잘 되었을 때, 멈출 필요가 있는데 이를 '''조기 종료(Early Stopping)'''하는 방법이 있음 (기준 : 검증 비용)		**딥러닝을 하다보면 훈련이 잘 되었을 때, 멈출 필요가 있는데 이를 '''조기 종료(Early Stopping)'''하는 방법이 있음 (기준 : 검증 비용)
	***'''patience''' parameter 가 중요. 훈련 횟수에 따라서 더 이상 떨어지지 않고 유지가 되거나 올라가는 경우에 몇 번이나 참을 것인지 설정 (=성능이 증가하지 않는 epoch을 몇 번이나 허용할 것인가를 정의한다 - [https://3months.tistory.com/424 링크])		***'''patience''' parameter 가 중요. 훈련 횟수에 따라서 더 이상 떨어지지 않고 유지가 되거나 올라가는 경우에 몇 번이나 참을 것인지 설정 (=성능이 증가하지 않는 epoch을 몇 번이나 허용할 것인가를 정의한다 - [https://3months.tistory.com/424 링크])
	**타이타닉에 탑승한 디카프리오와 윈슬렛의 생존확률을 딥러닝으로 작성했다. <br />[[파일:TensorFlow 실습 타이타닉 탑승자 생존률 추측.png\|프레임없음\|1300x1300픽셀]]		**타이타닉에 탑승한 디카프리오와 윈슬렛의 생존확률을 딥러닝으로 작성했다. <br />[[파일:TensorFlow 실습 타이타닉 탑승자 생존률 추측.png\|프레임없음\|1300x1300픽셀]] <br />
			**딥러닝 대비 머신러닝은 feature_importances 등 좀 더 설명 가능한 요소를 확인할 수 있다.

	*오후수업		*오후수업

Ryanyang: /* 5일차 */

2022-08-12T03:10:49Z

5일차

← 이전 판		2022년 8월 12일 (금) 12:10 판
289번째 줄:		289번째 줄:
	*****sigmoid - 이진분류		*****sigmoid - 이진분류
	*****X - 회귀		*****X - 회귀
	*사이트 소개 : https://playground.tensorflow.org/		*오전수업
	**값을 조절해가며 찾아봤다! <br />[[파일:Playground for TensorFlow.png\|프레임없음\|1300x1300픽셀]] <br />		**사이트 소개 : https://playground.tensorflow.org/
	*'''차원의 저주'''		***값을 조절해가며 찾아봤다! <br />[[파일:Playground for TensorFlow.png\|프레임없음\|1300x1300픽셀]] <br />
	**'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다		**'''차원의 저주'''
	**차원 = 컬럼의 개수		***'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다
	**차원이 많아 질수록 경우의 수가 많아져야 하므로 데이터가 기하급수적으로 많아져야 함		***차원 = 컬럼의 개수
	**그래야 모든 경우에 대해 학습이 가능함		***차원이 많아 질수록 경우의 수가 많아져야 하므로 데이터가 기하급수적으로 많아져야 함
	**'''차원이 많아질수록 데이터가 많아지는 현상을 "차원의 저주" 라고 함'''		***그래야 모든 경우에 대해 학습이 가능함
	*머신러닝은 데이터가 적어도 가능하지만 딥러닝은 데이터가 적으면 어렵다.		***'''차원이 많아질수록 데이터가 많아지는 현상을 "차원의 저주" 라고 함'''
	*		**머신러닝은 데이터가 적어도 가능하지만 딥러닝은 데이터가 적으면 어렵다.
			**딥러닝을 하다보면 훈련이 잘 되었을 때, 멈출 필요가 있는데 이를 '''조기 종료(Early Stopping)'''하는 방법이 있음 (기준 : 검증 비용)
			***'''patience''' parameter 가 중요. 훈련 횟수에 따라서 더 이상 떨어지지 않고 유지가 되거나 올라가는 경우에 몇 번이나 참을 것인지 설정 (=성능이 증가하지 않는 epoch을 몇 번이나 허용할 것인가를 정의한다 - [https://3months.tistory.com/424 링크])
			**타이타닉에 탑승한 디카프리오와 윈슬렛의 생존확률을 딥러닝으로 작성했다. <br />[[파일:TensorFlow 실습 타이타닉 탑승자 생존률 추측.png\|프레임없음\|1300x1300픽셀]]

			*오후수업
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T02:46:59Z

5일차

← 이전 판		2022년 8월 12일 (금) 11:46 판
290번째 줄:		290번째 줄:
	*****X - 회귀		*****X - 회귀
	*사이트 소개 : https://playground.tensorflow.org/		*사이트 소개 : https://playground.tensorflow.org/
			**값을 조절해가며 찾아봤다! <br />[[파일:Playground for TensorFlow.png\|프레임없음\|1300x1300픽셀]] <br />
	*'''차원의 저주'''		*'''차원의 저주'''
	**'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다		**'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다
			**차원 = 컬럼의 개수
			**차원이 많아 질수록 경우의 수가 많아져야 하므로 데이터가 기하급수적으로 많아져야 함
			**그래야 모든 경우에 대해 학습이 가능함
			**'''차원이 많아질수록 데이터가 많아지는 현상을 "차원의 저주" 라고 함'''
			*머신러닝은 데이터가 적어도 가능하지만 딥러닝은 데이터가 적으면 어렵다.
			*
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T02:16:31Z

5일차

← 이전 판		2022년 8월 12일 (금) 11:16 판
290번째 줄:		290번째 줄:
	*****X - 회귀		*****X - 회귀
	*사이트 소개 : https://playground.tensorflow.org/		*사이트 소개 : https://playground.tensorflow.org/
			*'''차원의 저주'''
			**'''차원이 증가하면서 학습데이터 수가 차원 수보다 적어져서 성능이 저하되는 현상'''을 일컫는다. 차원이 증가할수록 변수가 증가하고, 개별 차원 내에서 학습할 데이터 수가 적어진다
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T01:21:02Z

5일차

← 이전 판		2022년 8월 12일 (금) 10:21 판
273번째 줄:		273번째 줄:
	*** 모델 설계		*** 모델 설계
	*** 훈련		*** 훈련
			****모델 학습 방식을 설정하기
			*****model.compile(optimizer, loss, metrics)
	*** 평가		*** 평가
	*** 예측		*** 예측
280번째 줄:		282번째 줄:
	***뇌,건물 만들고 → model = Sequential()		***뇌,건물 만들고 → model = Sequential()
	***데이터를 평평하게 1차원으로 만들고 → model.add( Flatten(input_shape=(28, 28))		***데이터를 평평하게 1차원으로 만들고 → model.add( Flatten(input_shape=(28, 28))
	***다음 층에는 128개의 출력 뉴런을 ~~ReLu~~ 활성화 함수와 함께 쌓고 → model.add( Dense(128, activation='relu') )		***다음 층에는 128개의 출력 뉴런을 ReLU 활성화 함수와 함께 쌓고 → model.add( Dense(128, activation='relu') )
	***그 다음 층에는 20%의 출력 뉴런을 끈다 → model.add( Dropout(0.2) )		***그 다음 층에는 20%의 출력 뉴런을 끈다 → model.add( Dropout(0.2) )
	***마지막 층에는 출력방법을 설정한다 → model.add( Dense(10, activation='softmax') )		***마지막 층에는 출력방법을 설정한다 → model.add( Dense(10, activation='softmax') )
287번째 줄:		289번째 줄:
	*****sigmoid - 이진분류		*****sigmoid - 이진분류
	*****X - 회귀		*****X - 회귀
	**		*사이트 소개 : https://playground.tensorflow.org/
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T00:58:30Z

5일차

← 이전 판		2022년 8월 12일 (금) 09:58 판
270번째 줄:		270번째 줄:
	</syntaxhighlight>		</syntaxhighlight>
	**DL 코딩 5단계		**DL 코딩 5단계
	*** 훈련/테스트 데이터 준비		*** 훈련/테스트 데이터 준비 ← Pipeline을 만들어서 자동화 할 필요있음
	*** 모델 설계		*** 모델 설계
	*** 훈련		*** 훈련
277번째 줄:		277번째 줄:
	** TensorFlow 2.0 에는 Keras 가 포함되어 있음		** TensorFlow 2.0 에는 Keras 가 포함되어 있음
	*** 1.0 때는 TF 코드와 Keras 코드가 별도로 있었으나 Keras가 더 간단해서 Google이 Keras 개발자 영입 후, 2.0 부터 포함시킴		*** 1.0 때는 TF 코드와 Keras 코드가 별도로 있었으나 Keras가 더 간단해서 Google이 Keras 개발자 영입 후, 2.0 부터 포함시킴
			**이러한 코드를 실습했다.
			***뇌,건물 만들고 → model = Sequential()
			***데이터를 평평하게 1차원으로 만들고 → model.add( Flatten(input_shape=(28, 28))
			***다음 층에는 128개의 출력 뉴런을 ReLu 활성화 함수와 함께 쌓고 → model.add( Dense(128, activation='relu') )
			***그 다음 층에는 20%의 출력 뉴런을 끈다 → model.add( Dropout(0.2) )
			***마지막 층에는 출력방법을 설정한다 → model.add( Dense(10, activation='softmax') )
			****마지막 activation 함수는 아래와 같이 설정
			*****softmax - 다중분류
			*****sigmoid - 이진분류
			*****X - 회귀
			**
	== 참고자료 ==		== 참고자료 ==

Ryanyang: /* 5일차 */

2022-08-12T00:46:14Z

5일차

← 이전 판		2022년 8월 12일 (금) 09:46 판
263번째 줄:		263번째 줄:
	warnings.filterwarnings('ignore')		warnings.filterwarnings('ignore')
	</syntaxhighlight>		</syntaxhighlight>
	** 관련 라이브러리 가져오기		** 관련 라이브러리 가져오기 <br /><syntaxhighlight lang="python3" line="1">

	<syntaxhighlight lang="python3" line="1">
	import numpy as np		import numpy as np
	import pandas as pd		import pandas as pd
271번째 줄:		269번째 줄:
	import seaborn as sns		import seaborn as sns
	</syntaxhighlight>		</syntaxhighlight>
			**DL 코딩 5단계
	* DL 코딩 5단계		*** 훈련/테스트 데이터 준비
	* 훈련/테스트 데이터 준비		*** 모델 설계
	* 모델 설계		*** 훈련
	* 훈련		*** 평가
	* 평가		*** 예측
	* 예측		** TensorFlow 2.0 에는 Keras 가 포함되어 있음
	* TensorFlow 2.0 에는 Keras 가 포함되어 있		*** 1.0 때는 TF 코드와 Keras 코드가 별도로 있었으나 Keras가 더 간단해서 Google이 Keras 개발자 영입 후, 2.0 부터 포함시킴
	** 1.0 때는 TF 코드와 Keras 코드가 별도로 ~~있었음~~.

	== 참고자료 ==		== 참고자료 ==