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 |
- 머신러닝
- Regression
- 크롤링
- 흐름도
- 주가예측
- 주식
- 코딩테스트
- python
- 코딩
- 주식매매
- 추천시스템
- 게임
- PyTorch
- 프로그래머스
- DeepLearning
- 딥러닝
- 재귀함수
- Linear
- 알고리즘
- 주식연습
- API
- 가격맞히기
- 템플릿
- CLI
- tensorflow
- 선형회귀
- 연습
- 회귀
- 파이썬
- 기초
- Today
- Total
목록tensorflow (4)
코딩걸음마
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/8bYl7/btrF9ifMvqv/WWYZ1QWKKFHTTlxhZlbaW1/img.jpg)
Titanic 데이터를 활용하여 TensorFlow 의 모델 save와 load 방법을 알아봅시다. save와 load 방법을 알아보기 위해 기본적인 딥러닝 모델 플로우를 작성하겠습니다. import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn import model_selection, preprocessing import seaborn as sns 데이터 불러오기 titanic_df = pd.read_csv("titanic_modified.csv") titanic_target = titanic_df[['Survived']].copy() titanic_data = titanic_df.copy() del titan..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cwAppj/btrF6IEesnH/55MGzTOrsy60yye6PkpjKK/img.gif)
Loss Function을 계산할 때 전체 Train-Set을 사용하는 것을 Batch Gradient Descent라고 합니다. 그러나 이렇게 계산하면 한번 계산할 때 전체 데이터에 대해 Loss Function을 계산해야 하므로 너무 많은 계산이 필요합니다. 이를 방지하기 위해 Stochastic Gradient Desenct(SGD)를 사용합니다. 이 방법에서는 Loss Function을 계산할 때, 전체 데이터(Batch) 대신 일부 데이터의 모음(Mini-Batch)를 사용하여 Loss Function을 계산합니다. (Mini-Batch의 기대값은 전체 train-set을 계산한 값과 같다는 가정) Batch Gradient Descent보다 다소 부정확할 수는 있지만, 계산 속도가 훨씬 빠르기..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/H2Chk/btrF5bf5Id4/NKTdFp3KKKzx0ydqcrut2k/img.png)
보스턴 집값예측 데이터로 DNN을 활용한 회귀식모델을 만들어봅시다. 1. 데이터 준비하기 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler from sklearn.datasets import load_boston boston = load_boston() df = pd.DataFrame(boston.data, columns=boston.feature_names) df["TARGET"] = boston.target scaler = StandardScaler() scaler.fit(df.values[:, :-1]) df.values[:, :-..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/y2lMn/btrFZkKRpx7/3tJrDoeefhMP1IZVbwhyv1/img.jpg)
딥러닝 기법을 다루기 위한 텐서플로우 기초를 다뤄보기 위해 tf.version 1부터 알아보자 import tensorflow.compat.v1 as tf #compatablity tf.disable_v2_behavior() import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn import datasets tf.add(a, b) 는 a+b를 출력하는 함수입니다. a =tf.add(3,5) a 그럼 다음 코드의 결과를 봅시다. 3 + 5 의 결과로 0을 반환했습니다 왜 그러는걸까요? 연산만 입력을 했지, 가동(run)하지 않았기 때문입니다 tf.Session 클래스의 객체로 sess를 선언하고 실행시켜봅시다. ..