분류 전체보기18 [딥러닝 기초] RNN과 CNN 차이점 딥러닝은 머신러닝의 한 분야로, 인간의 뇌(뉴런)과 유사한 정보 입력 계층을 활용하여 데이터를 학습한다. 딥러닝 종류에는 ANN, DNN, RNN, CNN 등이 있으며, 그 중에서 RNN과 CNN에 대해 알아본다. RNN (Recurrent Neural Network : 순환신경망) 입출력을 시퀀스 단위로 처리하는 시퀀스 모델 반복적이고 순차적인 데이터 학습에 특화된 인공신경망의 한 종류 순환구조를 이용해 과거 학습을 W(weight)를 통해 현재 학습에 반영 CNN (Convolution Neural Network : 합성곱신경망) 데이터(동영상, 이미지 등)의 특징을 추출하여 특징들의 패턴을 파악하는 구조 이미지의 특징을 추출하는 부분과 클래스를 분류하는 부분으로 나뉨 Convolution 과정과 P.. 2022. 5. 25. [파이썬 기초] 문자열 인덱싱, 슬라이싱 알아보기 파이썬 기초부터 공부하기 위해 구글에서 '초보자를 위한 파이썬 300제'를 시작했다. 인공지능을 배우다보면 인덱싱과 슬라이싱을 종종 사용하기 때문에 반드시 알아두어야 한다. 인덱싱 문자열에서 한 글자씩 가져오는 것을 인덱싱이라고 한다. lang = 'python'#문자열 정의 print(lang[0], lang[5])#한 글자씩 인덱싱 >> p n 슬라이싱 문자열에서 여러 글자를 가져오는 것을 슬라이싱이라고 한다. license = "12가 4450" #자동차 번호판 정의 print(license[3:])#뒤에 4자리만 출력하기 위해 슬라이싱 >> 4450 슬라이싱할 때, [시작인덱스 : 끝인덱스 : 오프셋]을 지정할 수 있다. string = "홀짝홀짝홀짝" print(string[::2]#문자열에서 .. 2022. 5. 25. [파이썬 12주차] 모듈 및 패키지 활용방법 (import, pip 명령어) 모듈 및 패키지가 무엇인지 알아보고, 활용하는 방법까지 알아본다. 모듈이란? 함수나 클래스를 모아 놓은 파일(.py 디렉토리) import 명령어 이미 만들어 놓은 파이썬 모듈을 사용할 수 있게 해주는 명령어 import 명령어 사용법 import 모듈 이름 from 모듈 이름 import 모듈 함수 모듈의 함수를 여러개 불러오고 싶은 경우 from mod1 import add, sub #모듈: mod1, 함수: add, sub 콤마(,)로 구분해서 필요한 함수만 불러오기 from mod1 import * * 사용으로 '모든 함수'를 불러오기 __name__ == "__main__" 파이썬이 내부적으로 사용하는 특별한 변수 (*주로 모듈을 불러올 때 쓰임) 패키지란? 모듈(디렉토리)의 집합이다. (예시).. 2022. 5. 24. [파이썬 11주차] 클래스 상속 및 클래스 생성자 개념 지난 파이썬 10주차에 배웠던 "객체와 클래스의 개념"에 이어서 "클래스 상속 및 클래스 생성자 개념"을 알아보자. 클래스가 결코 쉬운 내용은 아니지만, 배워두면 코드를 더욱 편리하게 사용할 수 있다는 장점이 있기 때문에 제대로 알아두는 것이 좋다. 클래스 상속이란? 부모 클래스로부터 자식 클래스가 상속받는다. 기존의 클래스 속성을 물려받아 이를 재정의 및 재사용 하는 것이다. class Korea(Country): ... pass ... 클래스 이름 : Korea 상속할 클래스 이름 : Country 클래스 생성자 사용 class Korea(Country): def __init__(self): #생성자 print("생성자가 수행되었습니다.") a = Korea() #객체 a생성 생성자가 수행되었습니다... 2022. 5. 13. [케라스 10주차] 시퀀스란 무엇이고, 모델 생성하는 방법 10주차는 시퀀스 투 시퀀스를 학습해야 하지만, 그전에 시퀀스가 무엇인지 알아보자. 그리고 시퀀셜 모델 생성 방법까지 실습해본다. 시퀀스란 ? - 데이터를 순서대로 하나씩 나열하여 나타낸 데이터 구조 - 각 요소에 특정위치 (n번째)의 데이터를 가리키는 인덱스 지정 - 첫 번째 인덱스 0, 두 번째 인덱스 1 시퀀셜 모델 생성 입력 벡터가 12개, 출력 벡터가 64개인 전결합층 추가 활성화 함수가 시그모이드, 출력 벡터가 1개인 전결합층 추가 1000번 에포크, 64개 배치사이즈로 모델 학습 데스트셋으로 모델 평가 1. model = Sequential() 2. model.add(Dense(64, input_dim=12, activation='relu')) 3. model.add(Dense(1, acti.. 2022. 5. 9. 이전 1 2 3 4 다음
