고려사이버대학교/Keras7 [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. [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. [케라스 7주차] 순환신경망(RNN)과 LSTM 레이어 살펴보기 케라스 7주차에서는 순환신경망 레이어, LSTM 모델 구성방법, 간단한 동요악보를 연주하는 것까지가 목표이다. 이번 내용에서는 연주까지 하기에는 길어질 수 있으니 순환신경망과 LSTM 모델 구성방법까지만 알아보도록 하자. 목차 순환신경망 레이어 LSTM 모델 구성방법 순환신경망(RNN) 레이어 순환신경망은 순차데이터를 어떻게 활용하느냐에 따라 달라진다. 여기서 순차데이터란, 샘플 간의 시간적(혹은 다르게) 연결이 되어 있는 경우이다. 순차데이터_예시 기온 데이터 (28도, 27도, 25도) 체중 데이터 (68kg, 69kg, 70kg) 주식 데이터 (1000, 1200, 1650) 자연어 데이터 (나는 / 오늘 아침 / 학교에 / 갔다) 순환신경망 특징 순차적인 자료에서 규칙적인 패턴을 인식하거나 그 의.. 2022. 4. 16. [케라스 6주차] 소규모 데이터셋으로 데이터 부풀리기 오늘은 케라스 6주차로 소규모 데이터셋을 통해 효율적인 학습을 알아보려고 한다. 딥러닝을 적용하고 싶지만, 실제 학습할 때는 데이터셋 확보가 어렵다. 그럴 경우 데이터셋을 임의로 만들거나 이미 잘 만들어진 모델을 활용할 수 없는지 알아보자. 학습내용 1. 데이터 부풀리기 2. 개고양이 이미지 분류와 데이터 부풀리기 실습 3. 사전 훈련된 신경망 사용 실습 1. 데이터 부풀리기와 사전 훈련된 신경망 사용 데이터 부풀리기 rotation_range = 90 지정된 각도 범위내에서 임의로 원본 이미지를 회전시킴 단위는 도이며, 정수형임 예를 들어, 90이라면 0~90도 사이에 임의의 각도를 회전시킴 width_shift_range = 0.1 지정된 수평방향 이동 범위내에서 임의로 원본이미지를 이동시킴 수치는 .. 2022. 4. 9. [케라스 5주차] 이미지에 특화된 인공지능 알아보기 오늘은 케라스 5주차로 이미지에 특화된 인공지능을 알아본다. 사실 이미지나 영상 관련 딥러닝에 관심이 있었기 때문에 이번 내용은 흥미롭게 참여할 수 있을 것 같다. 아래 학습 내용부터 살펴보도록 하자. 학습내용 1. 컨볼루션 레이어 살펴보기 2. 컨볼루션 신경망 구성 1. 컨볼루션 레이어 (Conv 레이어) Conv2D (32, (5, 5), padding='valid', input_shape=(28, 28, 1), activation='relu') 첫번째 인자(32) : 컨볼루션 필터의 수 두번째 인자(5, 5) : 컨볼루션 커널의 행과 열 padding : 경계 처리 방법을 정의 valid : 유효한 영역만 출력이 됨. 따라서 출력 이미지 사이즈는 입력 사이즈보다 작음 same : 출력 이미지 사이즈.. 2022. 4. 3. 이전 1 2 다음
