본문 바로가기

AI&ML/TensorFlow4

[INTRO TO TENSORFLOW FOR DEEP LEARNING] Saving and Loading Models INTRO TO TENSORFLOW FOR DEEP LEARNING (TensorFlow tutorials, Udacity) : Saving and Loading Models 방법 더보기 https://colab.research.google.com/github/tensorflow/examples/blob/master/courses/udacity_intro_to_tensorflow_for_deep_learning/l07c01_saving_and_loading_models.ipynb l07c01_saving_and_loading_models.ipynb Run, share, and edit Python notebooks colab.research.google.com 1: 파라미터 2개: split된 데이터(t.. 2023. 2. 1.
[INTRO TO TENSORFLOW FOR DEEP LEARNING] Transfer Learning INTRO TO TENSORFLOW FOR DEEP LEARNING (TensorFlow tutorials, Udacity) : Transfer Learning Transfer Learning의 목적: AlexNet이나 ResNet과 같이 이미 존재하는 성능 좋은 모델을 새로운 데이터셋에 사용하는 것이다. Method of Transfer Learning : pre-trained model의 마지막 layer만 바꿔주면 된다. 왜냐하면 데이터셋마다 output class의 개수가 다르기 때문이다. => 새로운 데이터셋의 output class 개수와 일치하도록 output layer의 output class를 설정해주어야 한다! 'freezing the model' : setting the variabl.. 2023. 1. 17.
[INTRO TO TENSORFLOW FOR DEEP LEARNING] CNN 심화 [INTRO TO TENSORFLOW FOR DEEP LEARNING](TensorFlow tutorials, Udacity) : CNN 심화 MicroSoft의 cats and dogs image dataset를 이용하는데 두 가지 문제점: 1. images of different sizes 2. color images Images of Different Sizes CNN은 input으로 고정된 크기의 이미지가 필요하다. - image RESIZE 필요 (Fashion-MNIST 데이터셋을 이용하였던 지난 머신러닝 모델 구성할 때, flatten 기능을 이용하여 2D array를 1D array로 변환하였음. 이때는 모두 같은 크기의 이미지를 이용하였기에 모두 같은 784개의 원소를 갖는 배열로 변환되.. 2023. 1. 17.
[INTRO TO TENSORFLOW FOR DEEP LEARNING] CNN 기초 INTRO TO TENSORFLOW FOR DEEP LEARNING (TensorFlow tutorials, Udacity) : CNN 기초 Feature == inputs Lables == outputs 모든 머신러닝 모델은 다음 두 카테고리에 해당한다. regression (회기) : - a model that outputs a single value - just predicting a number that is the best fit to the data. (not trying to classify anything) classification (분류) : - a model that outputs a probability distribution across several categories - the.. 2023. 1. 11.