"tensorflow"
-
텐서플로 함수형 (Functional) API 모델링
본 튜토리얼은 TensorFlow Advanced Technique 시리즈의 일부 내용을 발췌하였습니다.
-
LSTM과 FinanceDataReader API를 활용한 삼성전자 주가 예측
이번 튜토리얼에서는 딥러닝 모델을 활용하여 삼성전자 주가 예측을 진행해 보겠습니다.
-
Attention을 활용한 Seq2Seq 모델 생성과 데이터셋 구성
이번 포스팅에서는 Attention을 활용한 Seq2Seq 모델을 생성하는 방법 그리고 Seq2Seq 모델의 학습을 위해 필요한 데이터셋을 구성하는 방법에 대하여 알아보도록 하겠습니다.
-
TensorFlow LSTM layer 활용법
시계열 데이터 그리고 NLP에서 흔히 사용되는 LSTM Layer의 주요 Hyper Parameter에 대하여 알아보고, 많이 헷갈려 하시는 input_shape 지정과 결과 값 (output)에 대해서도 직접 실행해 보면서 어떻게 동작하는지 살펴보도록 하겠습니다.
-
텐서플로우(tensorflow) 파이참(pycharm)에서 dll 오류 해결
TensorFlow 2.0을 Pycharm에서 실행시 dll load failed: 지정된 모듈을 찾을 수 없습니다.가 나는 경우가 있습니다.
-
TensorFlow RNN Text 생성 (셰익스피어 글 생성)
텐서플로우 공식 튜토리얼인 순환 신경망을 활용한 문자열 생성에 대한 클론 코드입니다. 셰익스피어 글 데이터셋을 활용하여 인공지능 모델을 학습시키고, 셰익스피어 스타일의 글을 생성할 수 있는 모델을 만들어 보도록 하겠습니다.
-
TensorFlow2.0 GradientTape의 활용법
TensorFlow 2.0의 자동 미분 기능인 GradientTape에 대하여 알아보겠습니다.
-
TensorFlow2.0으로 오토인코더 구현 (MNIST)
이번 포스팅에서는 오토인코더의 기본 개념에 대하여 알아보고, TensorFlow 2.0으로 오토인코더(Autoencoder)를 구현해 보겠습니다.
-
VGG16 Transfer Learning 구현과 CNN 모델과 성능 비교
Tranfer Learning은 사전 학습된 모델을 활용하는 방법입니다. 사전 학습된 모델은 방대한 데이터에 대하여 이미 학습된 모델이기 떄문에 적은 학습 cost로 좋은 성능을 이끌어 낼 수 있습니다.
-
가장 기본모델인 Vanilla GAN 구현하기
GAN 이 참 핫합니다. 이번에는 가장 시초격인 Vanila GAN을 구현해 보도록 하겠습니다.
-
TensorBoard 활용법 및 colab에서 로드하기
TensorBoard 사용을 위한 callback을 만드는 방법과 colab에서 바로 로드하여 확인할 수 있는
magic command에 대한 내용입니다.
-
TensorFlow Datasets API 활용법
TensorFlow Datasets 는 다양한 데이터셋을 TensorFlow에서 활용하기 쉽도록 제공합니다. 굉장히 많고, 다양한 데이터셋이 학습하기 편한 형태로 제공 되기 때문에, 간단한 사용법만 알아두어도, 샘플로 모델을 돌려보고 학습하기에 매우 유용합니다.
...
-
tensorflow 2.0 ImageDataGenerator / Convolution Neural Network(CNN) 을 활용한 이미지 분류
TensorFlow 2.0의
ImageDataGenerator를 활용하여 Image 데이터를 로컬 폴더에서 로딩 후 Generator를 통해 Image Augmentation과 모델에 Feed 할 수 있는 Generator를 만들어 보도록 하겠습니다.
-
tensorflow 2.0 Dataset, batch, window, flat_map을 활용한 loader 만들기
tf.data.Dataset을 활용하여 다양한 Dataset 로더를 만들 수 있습니다. 그리고, 로더를 활용하여,shuffle,batch_size,window데이터셋 생성등 다양한 종류를 데이터 셋을 상황에 맞게...
-
TensorFlow 2.0 - 단어 토큰화, Embedding, LSTM layer를 활용한 뉴스 데이터 sarcasm 판단
캐글의 뉴스의 Sarcasm 에 대한 판단을 해주는 딥러닝 모델을 tensorflow 2.0을 활용하여 만들어 보겠습니다.
-
Digit Recognizer (Kaggle) - over 99% accuracy
This is a very simple tutorial for tensorflow 2.0 beginners!
...
딥러닝(LSTM)을 활용하여 삼성전자 주가 예측을 해보았습니다
본 내용을 토대로 코드가 업데이트 되었습니다. 최신글을 확인해 주세요
[Keras] 콜백함수 (3) - 조기종료: EarlyStopping
EarlyStopping콜백을 활용하면, model의 성능 지표가 설정한 epoch동안 개선되지 않을 때 조기 종료할 수 있습니다.EarlyStopping과 이전에 언급한ModelCheckpoint콜백의 조합을 통하여, 개선되지 않는...
[Keras] 콜백함수 (2) - weight 중간 저장: ModelCheckpoint
keras의 콜백함수인
ModelCheckpoint는 모델이 학습하면서 정의한 조건을 만족했을 때 Model의 weight 값을 중간 저장해 줍니다. 학습시간이 꽤 오래걸린다면, 모델이 개선된 validation score를 도출해낼 때마다 weight를 중간 저장함으로써, 혹시...
[Keras] 콜백함수 (1) - 학습률(learning rate): ReduceLROnPlateau
keras의 콜백함수인
ReduceLROnPlateau는 학습률이 개선되지 않을 때, 학습률을 동적으로 조정하여 학습률을 개선하는 효과를 기대할 수 있습니다. 경사하강법에 의하여 학습을 하는 경우 Local Minima에 빠져버리게 되면, 더이상 학습률이 개선되지...
[Keras] 손실함수(Loss Function)와 평가지표(metric) 커스텀하기
이번 포스팅에서는 Keras 딥러닝 프레임워크 활용시 loss function과 metric 을 커스텀하는 방법에 대하여 다뤄보도록 하겠습니다.
keras를 활용한 word2vec pre-trained 모델을 로딩하여 IMDB 감정분석 분류문제 해결하기
이번 포스팅에서는 keras api를 활용하여 텍스트에 대한 전처리(Tokenization)와 Word Embdding, 그리고 구글이 공개한 word2vec (Google News 300) 모델을 다운로드 받아, pre-trained 모델을 통해 IMDB 데이터의 감정을 분류하는 문제를 풀어보도록 하겠습니다.
...
Tensorflow, Keras, Pytorch GPU 사용여부 체크하기
딥러닝 프레임워크에서 GPU 사용여부를 체크할 수 있는 API에 대하여 알려드리도록 하겠습니다.
Tensorflow를 활용하여 Mnist data classification을 CNN으로 구현
이번 포스팅에서는 Google Tensorflow의 웹사이트의 Demo에 나와 있는 가이드라인에 따라, tensorflow 라이브러리를 활용하여 구현해 보도록 하겠습니다.
Machine Learning - Single Layer NN과 Multi Layer NN으로 XOR문제 다뤄보기
Single-Layer Neural Network 에서 풀 수 없는 문제인 XOR Problem을 Tensorflow를 활용하여 Multi-Layer Neural Network로 구현해 보도록 하겠다.
Python 과 Tensorflow로 Mnist 글자인식 구현하기
이번 포스팅에서는 Mnist 데이터를 땡파이썬으로 구현해봄과 동시에 Tensorflow 를 활용하여 구현해 보겠다.