AI34 09. 전이학습 1. 에일리언 VS 프레데터 데이터셋 작업 데이터 가져오기* 캐글: https://www.kaggle.com/datasets/pmigdal/alien-vs-predator-images더보기 직접 다운로드 하기 캐글 api 가져오기: 케글 로그인 -> 계정 클릭 -> Your Profile -> Account -> API항목에 Create New Token -> kaggle.json 다운로드 Kaggle API를 위한 환경변수 설정 import os os.environ['KAGGLE_USERNAME'] = 'username' os.environ['KAGGLE_KEY'] = 'key' 에일리언 데이터셋을 다운로드하고 압축을 해제 .. 2024. 6. 21. 08. 간단한 CNN 모델 만들기 1. 간단한 CNN 모델 만들기 import import torch import torch.nn as nn import torch.optim as optim PyTorch의 Tensor를 생성하고 그 형태(shape)를 출력 # 배치크기 * 채널(1: 그레이스케일, 3: 컬러) * 높이 * 너비 inputs= torch.Tensor(1,1,28,28) print(inputs.shape)torch.Size([1, 1, 28, 28])========================1x1x28x28인 4차원 텐서첫 번째 차원(batch dimension): 배치 크기(batch size)는 1두 번째 차.. 2024. 6. 20. 07. CNN 기초 1. CNN(Convolutional Neural Networks)* 합성곱 인공 신경망 * 전통적인 뉴럴 네트워크에 컨볼루셔널 레이어를 붙인 형태 * 컨볼루셔널 레이어를 통해 입력 받은 이미지에 대한 특징(Feature)을 추출하게 되고, 추출한 특징을 기반으로 기존의 뉴럴 네트워크에 이용하여 분류 1. CNN을 사용하는 이유 * 이미지 분류할 때 DNN(Deep Neural Network)의 문제점 - 일반적인 DNN은 1차원 형태의 데이터를 사용해야 함 - 2차원 이상의 데이터가 입력되는 경우는 flatten 시켜서 한줄로 데이터를 변환 후 넣어야 함 - 이미지의 공간적/지역적 정보가 손실됨 * DNN의 문제점을 해결하기 위해 이미지를 그대로(Raw Input) 발음으로 공간.. 2024. 6. 20. 06. 비선형 활성화 함수 1. 비선형 활성화 함수(Activation Functions)* 신경망의 성능을 향상시키기 위해 사용 * 선형 함수는 입력값과 가중치를 곱한 결과를 그대로 출력하기 때문에 신경망에서 여러 개의 선형 활성화 함수를 사용한다면 최종 출력값은 입력값과 가중치의 선형 조합으로 표현되므로 이는 입력 데이터의 비선형 관계를 표현할 수 없음 * 신경망이 입력 데이터의 비선형 관계를 잘 학습할 수 있도록 하기 위해서 비선형 활성화 함수를 사용 import import numpy as np import matplotlib.pyplot as plt 1. 시그모이드(Sigmoid )Sigmoid 함수는 주어진 입력에 대해 출력을 0과 1 사이의 값으로 변환하는 비선형 활성화 함 .. 2024. 6. 20. 이전 1 2 3 4 5 6 7 ··· 9 다음 LIST
