본문 바로가기

전체 글265

[section_12_lab] Hi Hello Learning (sequence 학습) 기본 RNN 설계 입, 출력을 설계한다. 실행 코드 및 결과import tensorflow as tf import random import numpy as np from tensorflow.contrib import rnn import pprint import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' idx2char = ['h', 'i', 'e', 'l', 'o'] # Teach hello: hihell -> ihello x_data = [[0, 1, 0, 2, 3, 3]] # hihell x_one_hot = [[[1, 0, 0, 0, 0], # h 0 [0, 1, 0, 0, 0], # i 1 [1, 0, 0, 0, 0], # h 0 [0, 0, 1, 0, 0], .. 2018. 6. 1.
[section_12_lab] RNN – Basic Input Output Import 및 데이터 입력 부분 이 후 3가지 예시의 import와 데이터 부분이다.import tensorflow as tf import random import numpy as np from tensorflow.contrib import rnn import pprint import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' pp = pprint.PrettyPrinter(indent=4) sess = tf.InteractiveSession() h = [1, 0, 0, 0] e = [0, 1, 0, 0] l = [0, 0, 1, 0] o = [0, 0, 0, 1] Input (1,1,4) -> Output (1,1,2) Input(1,1,4)-> 1(batch 갯수).. 2018. 6. 1.
[section_11_lab] Class, tf.layers, Ensemble (MNIST 99.5%) Class, tf.layers, Ensemble Class : java나 c++에서 사용하는 class, struct와 같이 재사용성, 가독성이 좋은 코드를 짤 수 있다.tf.layers : library로 이해하면 쉬울것 같다. 가져다 쓰면된다~Ensemble : 여러 모델을 만들고 각각의 모델들의 예측값을 조합을 통해서 최종적인 예측결과를 도출해 낸다. 예제 : https://github.com/yoonyoungkim/DeepLearningZeroToAllBySungKim 2018. 6. 1.
[section_11_lab] TensorFlow로 구현하자 (MNIST 99%) 구현 코드import tensorflow as tf import random import numpy as np import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' from tensorflow.examples.tutorials.mnist import input_data tf.set_random_seed(777) # reproducibility mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # Check out https://www.tensorflow.org/get_started/mnist/beginners for # more information about the mnist dataset # hyper.. 2018. 6. 1.