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..
"Native" pip 설치설치 하는것도 쉽지가 않아.. 사진 출처: Google Research Blog 제목이 왜 "Native" pip 이냐구요?? pip은 파이선을 바탕으로 작성된 패키지 관리 시스템입니다. 그리고 저는 pip을 통해 텐서플로를 직접 맥에 설치할거에요. 모든 프로그램 설치 보통 한가지 방법만 있지 않냐구요? 적어도 텐서플로는 그렇지 않습니다. 밑에 스크린샷에서 보시다시피 텐서플로 설치 방법엔 총 다섯 가지가 있습니다. (Anaconda를 통한 설치는 텐서플로가 공식적으로 지원하는게 아니라 스크린샷의 리스트에 나와있지 않습니다) virtualenv는 파이선 환경을 따로 생성해서 미래에 있을 혹시 모를 충돌을 예방합니다. Docker도 비슷합니다. 다른 점이 있다면 Docker 같은 ..
대체 왜...?? 사진 출처: Silicon Valley : Season 4 Episode 4 : Not Hotdog 안녕하세요, 이번에 딥러닝과 빅데이터 시리즈를 시작하는 윤이라고 합니다. 딥러닝과 빅데이터? 컴퓨터, 특히 프로그래밍 쪽에 관심이 있으신 분은 많이 들어봤을 겁니다. 그렇지 않은 분들도 인공지능이라는 단어는 들어보셨을 법한 게 최근 들어 해외에서 화두가 되고 있는 아마존 알렉사, 그리고 국내 KT의 기가 지니도 인공지능, 특히 딥러닝을 사용하거든요. 알렉사 같은 경우에는 아마존의 성장을 이끌어가는 주된 상품중 하나죠. Business Insider에 따르면 2020년까지 알렉사와 관련된 제품에서 비롯된 수익이 $11B, 한화로 약 13조가 된답니다. 사진 출처 : Business Insi..
- Total
- Today
- Yesterday
- 구글
- nist
- mnist
- Supervised Learning
- python
- deep learning
- Machine Learning
- ML
- Deeplearning
- tensorflow
- LEA
- 텐서플로우
- MachineLearning
- jupyter
- 핫도그
- ipython notebook
- 텐서보드
- 쥬피터
- tensorboard
- IPython
- 파이선
- 텐서플로
- jupyter notebook
- 파이썬
- 딥러닝
- 머신러닝
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 |
31 |