코드탐험 신비의 세계

이전에 DNN 으로 했던 이미지 분류를 CNN 을 이용해 분류 import tensorflow as tf from tensorflow.keras.datasets import fashion_mnist # 데이터 가져와서 학습용과 테스트용으로 분리 (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data() # 컬러 이미지든 그레이 스케일 이미지든 전부 처리할 수 있는 인공지능 개발을 위해서 # 4차원으로 reshape 한다. >>> X_train.shape (60000, 28, 28) >>> X_train = X_train.reshape(60000,28,28,1) >>> X_test.shape (10000, 28, 28) >>> X_test = X_t..

fit 함수에 들어가는 데이터는 넘파이 어레이 이미지 파일을 어레이로 변환시켜주는 라이브러리 => ImageDataGenerator rotation_range=40 : 이미지를 무작위로 회전시키는 각도 범위 width_shift_range=0.2 : 이미지를 수평으로 무작위로 이동시키는 비율 height_shift_range=0.2 : 이미지를 수직으로 무작위로 이동시키는 비율 shear_range=0.2 : shear 적용하는 범위입니다. shear => 이미지를 변형시켜 기울이는 효과 zoom_range=0.2 : 이미지를 확대 또는 축소하는 범위 horizontal_flip=True : 이미지를 수평으로 무작위로 뒤집는지 여부를 결정 fill_mode='nearest' : 이미지를 변형할 때 채워지..

import zipfile # 경로를 가져와서 저장 file = zipfile.ZipFile('/tmp/cats_and_dogs_filtered.zip') # extractall 폴더 경로를 입력 file.extractall('/tmp)

풀링은 입력 이미지의 공간적인 차원을 줄이고 특징을 강조하는 역할을 한다. 주로 Max Pooling 과 Average Pooling 사용 Max Pooling : 정해진 크기 안에서 가장 큰 값만 가져온다. Average Pooling : 정해진 크기 안의 값들의 평균을 가져온다.

CNN : 은 주로 이미지 분류, 객체 감지 등의 컴퓨터 비전 작업에 사용되는 딥러닝 모델 CNN은 이미지에 있는 패턴을 탐지하고 추출하기 위해 Convolution 과 Pooling 을 사용한다. 스트라이드(Stride) : 몇칸 이동할 것인지 지정, 스트라이드값이 늘어날수록 피처맵은 작아진다.

1. 모델을 폴더로 저장, 불러오기 >>> model.save('my_model') # 불러오기 >>> my_model = tf.keras.models.load_model('my_model') 2. 모델을 파일로 저장, 불러오기 >>> model.save('my_model.h5') # 불러오기 >>> my_model2 = tf.keras.models.load_model('my_model.h5') 3. 웨이트 저장, 불러오기 >>> model.save_weights('my_model_weights.h5') >>> model.load_weights('my_model_weight.h5')

EarlyStopping을 사용하면 지정된 에포크 횟수 동안 성능 향상이 없을 경우 훈련이 멈춘다. >>> early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=10) >>> epoch_history = model.fit(X_train,y_train, epochs=1000, validation_split=0.2, callbacks=[early_stop]) # patience=10 => 10번의 에포크동안 성능향상이 없으면 멈추라는 뜻

import numpy as np import tensorflow as tf from tensorflow.keras.datasets import fashion_mnist # TensorFlow keras datasets API에 들어있는 Fashion MNIST 데이터 가져와 사용 트레이닝셋과 테스트셋을 가져온다 => 텐서플로우에서 사진을 넘파이로 변환해둔 데이터 >>> (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data() >>> X_train.shape (60000, 28, 28) 이미지 확인 : plt.imshow() 이미지는 범위(0~255)가 정해져 있기 때문에 StandardScaler, MinMaxScaler 를 쓰지 않고 범위의 ..