딥러닝 (3) 썸네일형 리스트형 [Deep Learning]딥러닝 CNN 활용하여 이미지 분류 정확도 높이기(Convolution,Pooling) CNN은 Convolutional Neural Network의 약자이다. 이는 주로 이미지 인식 및 분류에 사용되는 딥러닝 모델이다. CNN은 이미지의 특징을 자동으로 추출하고 학습하는 데 특화되어 있다. 1.Convolution Convolution(합성곱)은 두 함수를 결합하여 세 번째 함수를 만드는 연산이다. 간단히 말하면 합성곱은 입력 데이터를 스캔하면서 주어진 패턴을 찾아내거나 데이터를 처리하는 작은 필터이다. 아래의 첫번째 사진은 이어진 선끼리 각 곱연산을 해준 후 전부 합해준 결과 값을 Feature Map 왼쪽 위에 놓여진 것을 볼 수 있다. 두번째 사진또한 각 자리끼리 곱연산 후 결과 값을 Feature Map에 차례대로 놓는다. 2.Pooling Pooling(풀링)은 합성곱 신경망(C.. [Deep Learning]딥러닝 ANN으로 이미지API(텐서플로우) 활용하여 이미지 분류하기 ANN(Artificial_Neural_Network)으로 텐서플로우 패션이미지API 를 활용해서 이미지를 분류하는 인공지능을 만들어보려고 한다. import numpy as np import tensorflow as tf from tensorflow.keras.datasets import fashion_mnist 1.필요한 프로젝트 import 해주기 먼저 넘파이, 텐서플로우, 그리고 텐서플로우의 케라스 모듈에서 fashion_mnist 데이터셋을 가져와서 사용할 수 있도록 준비 2. 데이터셋 로딩하기(학습 및 테스트) fashion_mnist.load_data() fashion_mnist.load_data()함수는 이미 훈련 및 테스트 데이터를 나누어 반환한다. 이 데이터는 훈련 이미지와 레이블, 그.. [Deep Learning]딥러닝의 Neural Networks and Deep Learning 흐름 Deep Learning 딥러닝은 인공신경망의 한 종류로, 대규모의 데이터를 사용하여 복잡한 패턴이나 특징을 자동으로 학습하는 머신러닝 기법이다. 이러한 신경망은 여러 개의 층(layer)으로 구성되어 있어서 "깊은 신경망"이라고 불린다. 각 층은 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 나뉜다. 입력층(input layer): 데이터를 받아들이는 층으로, 각각의 특징(feature)을 입력으로 받는다. 은닉층(hidden layer): 입력층과 출력층 사이에 위치한 중간 층으로, 데이터의 복잡한 특징을 추출한다. 출력층(output layer): 최종적으로 모델의 결과를 출력하는 층으로, 주어진 문제에 맞는 형태로 결과를 출력한다. # Imp.. 이전 1 다음
