분류 전체보기 (37) 썸네일형 리스트형 DenseNet 구현 및 학습 DenseNet(Dense Convolutional Network)은 2017년 Gao Huang 등이 발표한 딥러닝 모델로, 레이어 간의 밀집 연결(Dense Connectivity) 을 통해 네트워크의 효율성을 극대화한 구조입니다. DenseNet은 기존의 합성곱 신경망(CNN)에서 레이어 간 정보 흐름을 크게 개선하여, 파라미터 효율성과 성능 모두에서 우수한 결과를 보입니다.DenseNet의 주요 특징 및 구조Dense Connectivity (밀집 연결성)특징맵 재사용: DenseNet에서는 각 레이어가 이전 모든 레이어의 출력(특징맵)을 입력으로 받습니다. 즉, 레이어 l 의 입력은 이전 레이어들 0,1,2,...,l−1의 출력이 모두 연결된 형태입니다.수학적으로, l 번째 레이어의 입력은 다음.. RNN 의 Parameter Sharing Parameter Sharing in RNN1. Generalize to sequence lengths not seen during training의미:RNN은 고정된 길이의 입력 시퀀스에만 작동하지 않습니다. 훈련 시 보지 못했던 다른 길이의 시퀀스에도 일반화가 가능합니다.RNN은 동일한 파라미터를 시퀀스의 모든 단계에서 재사용(공유)하므로, 시퀀스 길이가 달라져도 동일한 연산 과정을 반복합니다.어떻게 가능한가?RNN에서는 하나의 셀(Neuron) 이 시간 단계마다 반복적으로 활성화됩니다.입력 시퀀스의 길이에 상관없이 동일한 가중치(파라미터)가 각 시간 단계에서 재사용되므로, 시퀀스 길이에 구애받지 않고 작동할 수 있습니다.예시:훈련: 길이가 10인 시퀀스로 훈련.테스트: 길이가 20인 시퀀스에도 적용.. PCA 와 FDA 실습 및 분석 개요AI 프로그래밍 수업 시간에 수행한 PCA 와 FDA 실습 및 분석 내용을 기록으로 남긴다. 문제다음에 대해 주성분 분석(PCA) 및 피셔 판별 분석(FDA)을 수행합니다.데이터 파일의 MNIST 데이터 집합(클래스 '1', '5', '6'이 있는 MNIST 데이터 집합)에 대해 PCA 와 FDA 을 수행합니다, import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinefrom sklearn.decomposition import PCAfrom sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDAfrom sklearn.neighbors import KNeighborsC.. TensorFlow 함수형 API 로 VGGNet 논문 구현 model = tf.keras.Model(input_, x)VGGNet (2014)16~19개의 깊은 층을 쌓아 네트워크의 깊이와 성능 간의 관계를 조사3x3 Convolution Layer 를 여러 개 쌓는 단순하고 일관된 구조를 사용K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," in International Conference on Learning Representations (ICLR), 2015.주요 특징단순한 구조:VGGNet의 구조는 매우 단순합니다. 3x3 크기의 작은 필터를 사용하는 합성곱 층(convolutional layer)과 최대 풀링 층(max poo.. TensorFlow 함수형 API 로 AlexNet 논문 구현 AlexNet (2012)딥러닝이 주목받는 계기가 된 모델로, 5개의 Convolutional Layer와 3개의 Fully Connected Layer로 구성ReLU 활성화 함수와 Dropout을 도입하여 학습 성능 향상.A. Krizhevsky, I. Sutskever and G. E. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks," in Advances in Neural Information Processing Systems (NIPS), 2012.AlexNet은 2012년 ImageNet 대회에서 우승하며 딥러닝의 가능성을 널리 알린 모델입니다.구성: 5개의 Convolutional Layer와 3개의 Fully.. TensorFlow 사용자 정의 metric 만들기 개요케창딥 7장 내용 중 사용자 정의 metric 만들기에 대한 실습과 디버깅 과정을 기록합니다. 사용자 정의 metric 만들기개념함수형 정의 방법과 클래스 정의 방법 2가지가 있습니다.클래스 정의 방법은 tf.keras.metrics.Metric 클래스를 상속받아 사용자 정의 metric 을 정의할 수 있습니다.이 방식은 상태(state)를 저장하고, update_state, result, reset_states 메서드를 구현하여 유연하게 동작 합니다. 코드 예제 import tensorflow as tf# 사용자 정의 메트릭 클래스class CustomMetric(tf.keras.metrics.Metric): def __init__(self, name="custom_metric", **kwa.. 윈도우11 폴더에서 우클릭으로 "여기에 cmd 창 열기" 추가 하기 1. 검색 창에 regedit 입력 하여 레지스트리 편집기 열기 2. 컴퓨터\HKEY_CLASSES_ROOT\Directory\Background\shell 이동 3. 키 만들기 4. executeCMD 로 이름 변경 & 기본값 더블 클릭 후 아래 와 같이 추가 5. 빈 공간 우클릭 후 새로 만들기 -> 문자열 값 클릭 8 이름 Icon 입력 후 더블클릭 값 데이터 cmd.exe 입력 9. executeCMD 에 새로 만들기 키 추가 10. 만들어진 command 의 기본값 더블 클릭후 값 데이터에 cmd.exe 입력 11. 탐색기 빈 공간 shift+우클릭 후 cmd 창 생성 확인 Colab 에서 Kaggle 데이터 API 로 받기 개요캐글에서 데이터를 받기 위해서는 API 키를 사용 해야 합니다.Colab 의 Secrets 탭에 캐글 username 과 key를 저장해 놓으면 노트북에서 간편하게 데이터를 가져 올 수 있습니다. 1. 우선 캐글에 접속후 계정에서 Settings 로 들어 갑니다. 2. API 에서 Create New Token 을 클릭 후 진행 하면 kaggle.json 파일을 다운 받을 수 있습니다. 3. 코랩에서 아래 Secrets 으로 들어갑니다. 4. 새 보안 비밀 추가를 해서 아래 와 같이 입력 후 값에 다운 받은 kaggle.json의 usernae 과 key 의 값을 입력 합니다. 노트북 액세스를 활성화 합니다. 5. 아래와 같이 코랩 cell 에서 저장 된 캐글 username 과 key 를 불러와 .. 이전 1 2 3 4 5 다음
