dcom-khu / 2018-1-deeplearning-study Goto Github PK
View Code? Open in Web Editor NEW2018-1 KHU D.com Deep-Learning study
2018-1 KHU D.com Deep-Learning study
그냥 대량의 데이터가 있을 경우 쓴다는 것은 알겠는데
정확한 원리가뭐죠 ? 그리고 대량인지 아닌지로만 사용 유무를 판단하는건가요?
accuracy 확인 시 tf.reduce_mean 사용하는데, 원리가 무엇 인가요?
https://www.codecademy.com/learn/learn-python
이수율 100% 찍어오기
댓글로 100% 찍은거 캡쳐해서 올리기
\\\ [1, 0, 0], # 기타
[0, 1, 0], # 포유류
[0, 0, 1], # 조류
-----------------------------------------------------------------------------
X = tf.placeholder(tf.float32)
Y = tf.placeholder(tf.float32)
# 첫번째 가중치의 차원은 [특성, 히든 레이어의 뉴런갯수] -> [2, 10] 으로 정합니다.
W1 = tf.Variable(tf.random_uniform([2, 10], -1., 1.))
# 두번째 가중치의 차원을 [첫번째 히든 레이어의 뉴런 갯수, 분류 갯수] -> [10, 3] 으로 정합니다.
W2 = tf.Variable(tf.random_uniform([10, 3], -1., 1.))
# 편향을 각각 각 레이어의 아웃풋 갯수로 설정합니다.
# b1 은 히든 레이어의 뉴런 갯수로, b2 는 최종 결과값 즉, 분류 갯수인 3으로 설정합니다.
b1 = tf.Variable(tf.zeros([10]))
b2 = tf.Variable(tf.zeros([3]))
# 신경망의 히든 레이어에 가중치 W1과 편향 b1을 적용합니다
L1 = tf.add(tf.matmul(X, W1), b1)
L1 = tf.nn.relu(L1)
# 최종적인 아웃풋을 계산합니다.
# 히든레이어에 두번째 가중치 W2와 편향 b2를 적용하여 3개의 출력값을 만들어냅니다.
model = tf.add(tf.matmul(L1, W2), b2)
\
위에서 마지막 줄의 model이 Linear Regression으로 치면 hypothesis같은 건가요?
그리고
W1은 행렬 크기가 [2,10]이고 X는 상수이니 X와 W1을 곱한 행렬의 크기는 [2,10]이고
b1은 크기가 [1,10] 이나 [10,1] 둘 중 하나일거 같은데 어느경우던 더할 수 없을거 같아요
혹시 b1,b2의 tf,zeros[10] 이 부분이 행렬의 크기가 아닌 다른 의미가 있는건가요?
Study 7차
강아지 고양이 사진 데이터를 이용하여 각자 CNN모델 개발 후 발표
유혁 @Leeyoohyuk, 영빈 @YeongBean 발표
https://www.kaggle.com/c/dogs-vs-cats/data (dogs vs cats)
keep_prob 의 정확한 의미는 무엇인가요?
1000번 학습할때마다 checkpoint를 만드는모델입니다.
저번에 돌릴 때 6000번째에 마지막 checkpoint가 생겼습니다.
이를 로드해서 몇번째에 만들어진 checkpoint인지를 알아내기 위해 global_step이라는 변수를 이용했지만 계속 0번째라고 뜹니다.
그런데 학습결과를 보면 checkpoint가 제대로 불러졌다는걸 알 수 있습니다.
이게 항상 안되는게 아니라 vscode를 끄지 않은 상태에서 checkpoint를 만들고 불러오면 제대로 되지만 그 외의 경우는 사진과 같은 결과가 나옵니다.
https://www.codecademy.com/learn/learn-git
git 학습해오기
100% 완료 캡쳐 해오기
https://github.com/golbin/TensorFlow-Tutorials
4장까지 따라해 보기
특히 git commit -m "Commit message" 문구의 기능을 모르겠습니다~ 연습문제에 자주쓰던데
x_data = np.array(
[[0, 0], [1, 0], [1, 1], [0, 0], [0, 0], [0, 1]])
y_data = np.array([
[1, 0, 0], # 기타
[0, 1, 0], # 포유류
[0, 0, 1], # 조류
[1, 0, 0],
[1, 0, 0],
[0, 0, 1]
])
위 입력의 의미가 무엇인가요? 책 사주세요
cat vs dog cnn에서 훈련시킨 모델을 불러들여 약 1000step을 돌려보았습니다. 처음 300step 정도만 loss를 찾는 과정이 있어 정확도가 많이 낮았지만 이후에는 거의 100%를 유지했습니다. step을 좀 더 늘인다면 더 높은 평균 정확도를 얻을 수 있을 텐데 여기서 step을 더 늘이는 것이 맞는 것인지 궁금합니다.
(training set 개, 고양이 각각 1만장씩, test set 개, 고양이 각각 2,500장씩 사용했습니다.)
(test셋을 원래 모델에 집어 넣어 정확도를 구하는 test 방법이 맞는 것인지도 궁금합니다. 애초에 test 방법이 잘못되어 있는 것일 수 있어서...)
W2 = tf.Variable(tf.random_normal([256, 256], stddev=0.01))
이곳에서 stddev 는 표준편차인데 , 레이어를 구성하는데 있어서 의미하는 바가 무엇인가요?
feed_dict=(X: .... )라는 구문은 학습이 끝난 이후 사용자가 임의의 값을 물어보는건가요?
git add를 하면 수정한 내용이 저장되는건가요? 제가 똑바로 이해한건가요?? ㅜ
cin처럼 콘솔에서 받는것도 아닌데 왜 이걸 쓰는걸까요
뭘 하라는건지 이해를 못한것같아요
batch_size = 100
total_batch = int(mnist.train.num_examples / batch_size)
HELP ME!!
git 질문 마지막장 master/origin 의 의미
초심자용으로는 pytorch가 더 편해보이는데
굳이 tensorflow를 사용하는 이유가 뭔가요
https://kairos03.github.io/machine-learning/2017/10/17/hand-on-tensorboard.html
https://arxiv.org/pdf/1409.1556.pdf
CNN을 이용해 학습시키려면 학습시킬 이미지들이 필요할텐데요,
어떻게 하면 학습시킬 이미지를 불러올 수 있는지를 찾다가 아래와 같은 주소에서 변환하라는 이야기를 합니다.
강아지 12500장, 고양이12500이 담긴 train압축파일 안의 이미지를 모두 변환해야 학습시킬 수 있나요?
숙제
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
라는 코드가 무슨뜻이죠
X = tf.placeholder(tf.float32, name="X")
github와 git의 차이점이랑
쓰임새좀 알려주세요
모두의 딥러닝 7-1에서 Regularization을 cost함수가 굴곡이 심하지 않게 쫙펴주는 일이라고 합니다.
여기서 기존의 cost함수에 새로운 가중치[regularization strength*tf.reduce_mean(tf.square(W))]를 더해주는 것이 왜 cost 함수의 굴곡을 줄여주는지 궁금합니다.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.