![]()
사용할 라이브러리¶ In [115]: import os import numpy as np import pandas as pd """open cv""" import cv2 """이미지 증식에 사용되는 라이브러리""" from tensorflow.keras.preprocessing.image import ImageDataGenerator """이미지를 numpy array 배열로 변환하는 라이브러리""" from tensorflow.keras.preprocessing.image import img_to_array """이미지 읽어들이는 라이브러리""" from keras_preprocessing.image import load_img 특정 폴더 내에 모든 원본 이미지를 읽어들이는 함수 정의¶ In [116]..
![]()
사용할 라이브러리¶ In [1]: """이미지 증식에 사용되는 라이브러리""" from keras.preprocessing.image import ImageDataGenerator """numpy 배열을 이미지로 변환하는 라이브러리""" from keras.preprocessing.image import array_to_img """이미지 파일을 numpy배열로 변환하는 라이브러리""" from keras.preprocessing.image import img_to_array """이미지 읽어들이는 라이브러리""" from keras_preprocessing.image import load_img import matplotlib.pyplot as plt 이미지 증식 객체 생성하기¶ In [2]: """ ..
![]()
In [1]: #tiny 영상 #not tiny 이미지 사용할 라이브러리¶ In [2]: import cv2 import numpy as np 데이터 읽어들이기¶ In [5]: """ *웹캠 신호 받기 - 어떤 카메라를 사용할지 채널 선택 - 여러개의 카메라가 있으면, 카메라 별로 번호가 부여됩니다. -내 pc에 1개만 연결되어 있다면, 0번 카메라 번호가 부여됩니다. """ video_signal = cv2.VideoCapture(0) video_signal Out[5]: YOLO 모델 생성하기¶ In [27]: YOLO_net = cv2.dnn.readNet("./yolo/config/yolov2-tiny.weights", "./yol..
![]()
In [73]: """ tensorflow 프레임워크- keras 라이브러리 sklenen 프레임워 - "욜로"라고 칭합니다 - 한개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)을 탐지 - 탐지된 객체의 영역(바운딩 박스 - 사각형)과 객체의 이름(사람, 고양이) 을 표시해 주는 기능을 수행함 - 객체 탐지 기술이라고 해서 "Object Detection" 이라고 언어 소통이 됩니다. -객체탐지는 컴퓨터 비전 기술의 세부 분야 중 하나로 - 주어진 이미지 또는 영상 내에 사용자가 관심 있는 객체를 탐지하는 기술을 의미함 - 객체 탐지 모델을 만들기에 앞서... -> 바운딩 박스를 만드는 것이 우선시 되어야 함 - 바운딩 박스란? -> 사각형의 시작좌표(x1, y1), 종료좌표(x2,..
![]()
In [ ]: In [1]: """ - 긴 문장(시퀀스)을 학습하기 어려움 - 시퀀스가 길 수록 초반의 정보는 점진적으로 희석(소멸)됨, 즉 멀리 떨어져 있는 단어의 정보를 인식하는 데 어려움이 있음 - 이러한 단점을 보완한 모델이 LSTM과 GRU - 단기 기억을 오래 기억할 수 있도록 고안된 모델 - 많은 이전 정보를 기억해야 하기 때문에 훈련 속도가 느리며, 시스템 저장 공간이 많이 필요함 - LSTM의 느린 속도를 개선하기 위해 고안된 모델 - 성능은 LSTM과 유사함 ** Simple RNN, LSTM, GRU 모두 RMSprop 옵티마저를 일반적으로 사용함 """ Out[1]: '\n\n- 긴 문장(시퀀스)을 학습하기 어려움\n- 시퀀스가 길 수록 초반의 정보는 점진적으로 희석(소멸)됨, 즉 ..
![]()
In [83]: """ - 이미지 분석에 주로 사용되는 대표적 계층 - 기존의 인공신경망에서의 이미지 분석시에는 높이와 너비를 곱한 1차원을 사용했다면, - CNN은 원형 그대로의 높이와 너비 차원을 사용함 - 전체 4차원의 데이터를 사용함 - 기존 이미지 분석 시 높이와 너비를 곱하여 사용하다 보면, * 원형 그대로의 주변 이미지 공간 정보를 활용하지 못하는 단점이 있으며 * 이러한 이유로 특징 추출을 잘 못하여, 학습이 잘 이루어지지 않는 경우가 발생함 - 이러한 기존 인공신경망 모델의 단점을 보완하여 만들어진 모델이 CNN임 * 원형 형태의 이미지 정보를 그대로 유지한 상태로 학습 가능하도록 만들어졌음 * 이미지의 공간정보를 이용하여 특징을 추출함 * 인접 이미지의 특징을 포함하여 훈련됨 1. 입력..
![]()
In [1]: """ 라이브러리 정의 """ import tensorflow as tf from tensorflow import keras from tensorflow.keras.preprocessing.text import Tokenizer from tensorflow.keras.preprocessing.sequence import pad_sequences In [124]: """규칙기반 데이터 정의하기 (질문/답변)""" questions = [ "전기요금 어때?", "안녕하세요", "너 이름이 뭐니?", "어떻게 지내세요?", "프랑스의 수도는 어디인가요?", "뭐 해?", "오늘 날씨 어때?", "좋아하는 음식은 뭐에요?", "무슨 일을 좋아해요?", "가장 좋아하는 색깔은 무엇인가요?", "가장..
![]()
In [1]: """ -RNN은 텍스트 처리를 위해 고안된 모델(계층) -바로 이전의 데이터 (텍스트)를 재사용하는 신경망 계층임 -텍스트 기반 -심플 순환신경망(Simple RNN) ;문장이 긴경우에 앞쪽 문장은 기억 못함 -장기기억 순환신경망(LSTM) -게이트웨이 반복 순환신경망(GRU) """ Out[1]: '\n -RNN은 텍스트 처리를 위해 고안된 모델(계층)\n -바로 이전의 데이터 (텍스트)를 재사용하는 신경망 계층임\n -텍스트 기반\n \n \n -심플 순환신경망(Simple RNN)\n -장기기억 순환신경망(LSTM)\n -게이트웨이 반복 순환신경망(GRU)\n\n' In [2]: """사용라이브러리""" from tensorflow import keras from tensorflow..
![]()
In [1]: import pandas as pd from sklearn.preprocessing import StandardScaler In [ ]: """ - 인공신경망의 종류 - 주로 이진분류 또는 다중분류에 사용되는 초기 인공신경망 모델 - 종속변수가 연속형인 회귀에서는 사용되지 않음(분류에서만 사용) - 퍼셉트론에는 단층 퍼셉트론과 다층 퍼셉트론이 있음 - 주로 다층 퍼셉트론이 성능이 좋음 """ """ ANN -입력층과 출력층으로만 구성되어 있음 -주로 이진 분류에 사용됨, (성능이 낮은 경우 ,다층 퍼셉트론으로 사용) -선형 활성화 함수 사용 DNN -입력층, 은닉층 (하나이상) , 출력층으로 구성됨 - 주로 다중 분류에 사용됨 (이진분류도 가능) -단층 퍼셉트론 보다 높은 성능을 나타냄 -..
![]()
In [129]: import tensorflow as tf from tensorflow import keras from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt import numpy as np import pandas as pd from sklearn.preprocessing import StandardScaler from tensorflow.keras.losses import BinaryCrossentropy """평가""" from sklearn.metrics import accuracy_score from sklearn.metrics import precision_score from sklear..
![]()
In [1]: ### 딥러닝은 분류의 성격을 많이 띠고 있다. # ax+bx+cx+dx+…+yx+z # 가중치 a b c d …… 라이브러리¶ In [2]: import tensorflow as tf from tensorflow import keras from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt import numpy as np In [3]: ### tensorflow는 프레임워크라고 함. # 텐서플로우 안에 keras가 딥러닝 In [4]: ### 실행 결과를 동일하게 하기 위한 처리(완전 동일하지 않을 수도 있음) tf.keras.utils.set_random_seed(42) ### 연산 고정 ..
![]()
사용할 라이브러리 정의¶ In [313]: import tensorflow as tf from tensorflow import keras from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt import numpy as np In [314]: """ - 패션 MNIST 데이터 읽어들이기 (훈련 및 테스트 데이터) - 정규화 하기 - 훈련및 검증으로 분류하기 """ Out[314]: '\n - 패션 MNIST 데이터 읽어들이기 (훈련 및 테스트 데이터)\n - 정규화 하기\n - 훈련및 검증으로 분류하기\n' In [315]: ### 실행 결과를 동일하게 하기 위한 처리(완전 동일하지 않을 수도 있음) tf...
