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..
- Total
- Today
- Yesterday
- Supervised Learning
- LEA
- 구글
- 파이썬
- ipython notebook
- tensorboard
- python
- 파이선
- 텐서플로우
- 머신러닝
- MachineLearning
- 쥬피터
- jupyter notebook
- nist
- jupyter
- mnist
- 텐서보드
- IPython
- 딥러닝
- ML
- 텐서플로
- deep learning
- Deeplearning
- 핫도그
- tensorflow
- 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 |