MNIST 데이터베이스 시각화 사진 출처: 본인 늦어서 죄송합니다! 파이선에 대해 전반적으로 공부한다고 늦었네요. 이번 글에서는 마지막 포스트의 코딩을 정리하고 좀 더 나은 시각화를 위해 몇몇 코딩 라인을 추가하겠습니다. 그래프를 좀 더 보기 좋게 tf.name_scope를 이용해 노드를 분류했고 tf.summary를 이용한 loss, weights, 그리고 bias의 시각화, inspect와 os 모듈을 이용한 파일 위치 찾기, 마지막으로 __main__ 드라이버를 추가했습니다. 코드는 따로 깃허브에 올렸으니 확인해보세요. from inspect import getsourcefile from os.path import abspath . . . ROOT = abspath(getsourcefile(lamb..
MNIST Database 분석 사진 출처: Kepler-mapper Github 안녕하세요. 마지막 포스트에 MNIST 데이터베이스 시각화를 해봤으니 이번 포스트에서는 텐서플로를 이용한 분석과 텐서보드를 이용한 시각화를 해보겠습니다! 코딩을 하기 전에 짚고 넘어가야할 중요한 컨셉들이 있습니다. 바로 로짓 회기 분석(logits), 소프트 맥스(softmax), 크로스 엔트로피(cross entropy) 그리고 기울기 하강 알고리즘(Gradient descent optimization) 입니다. 천천히 살펴보자면, 로짓 회기 분석은 통계학의 분석 방법 중 하나로써 입력값이 연속적이지 않고 범주형일때 사용됩니다. 예를들어 독립 변수가 예/아니오, 생존/사망(이항)이거나 마름/통통함/비만(명목형), 초등학생..
MNIST Database 인식 사진 출처: corochanneNote 안녕하세요. 벌써 마지막 작성 글로부터 20일이 됬네요. 그동안 여러가지를 배우고 또 블로그 작성을 위해 MNIST를 복습하느라 정신없이 여러 날을 보냈습니다. 오늘은 머신러닝의 기본인 MNIST 데이터 인식에 대해 배워보도록 하겠습니다. MNIST는 Modified National Institute of Standards and Technology의 줄임말인데요 이 데이터를 이해할려면 그 전 단계인 NIST, 즉 National Institute of Standards and Technology 데이터베이스를 알아야 합니다. NIST 데이터는 미국 인구조사국에서 트레이닝 데이터(필기된 숫자)를, 그리고 미국 고등학생에게서 테스트 데..
- Total
- Today
- Yesterday
- 텐서플로우
- 파이썬
- IPython
- 구글
- jupyter
- deep learning
- 파이선
- nist
- jupyter notebook
- mnist
- python
- MachineLearning
- ML
- Deeplearning
- ipython notebook
- 텐서보드
- 머신러닝
- LEA
- 딥러닝
- 텐서플로
- 핫도그
- tensorflow
- tensorboard
- 쥬피터
- Supervised Learning
- Machine Learning
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |