본문 바로가기

네이버클라우드202

AI 4일차 (2023-05-11) 인공지능 기초 - 이미지 분석 : CNN 모델 CNN(합성곱 신경망) 완전 연결 (Fully Connected) 신경망과 합성곱 (Convolution layer) 신경망 이미지 분석에서 완전연결(fully connected) 신경망의 문제점 ㄴ 데이터 형상의 무시 : 이미지 데이터를 1차원 벡터로 평탄화(flatten)하는 과정에서 공간 정보가 손실 되므로 이미지 내에서 픽셀들 간의 상대적인 위치 정보가 무시됨 ㄴ 변수의 개수 : 매개변수(parameter)의 수가 매우 많아지고, 모델의 복잡도가 높아지는 경향이 있으며 이는 과적합(overfitting)의 문제를 유발할 수 있음 ㄴ 네트워크 크기 : 입력 이미지의 모든 픽셀이 출력층에 직접 연결되는데, 입력 이미지의 크기가 커지면 모델 파라미터의 수도 비례해서 증가하게 되어 과적합과 계산 비용 증.. 2023. 5. 11.
AI 3일차 (2023-05-10) 인공지능 기초 - Save model, Save weight, Model Check Point Save model model_save (모델 구성만 저장) tf15_model_save_california.py import numpy as np from keras.models import Sequential from keras.layers import Dense from sklearn.model_selection import train_test_split from sklearn.metrics import r2_score # from sklearn.datasets import load_boston # 윤리적 문제로 제공 안 됨 from sklearn.datasets import fetch_california_housing import time # 1. 데이터 # datasets = load_bosto.. 2023. 5. 10.
AI 3일차 (2023-05-10) 인공지능 기초 - Validation split, 과적합(Overfitting)과 Early Stopping Validation split ㄴ validation은 모델이 학습하는 동안 학습에 사용되지 않은 데이터셋으로 모델의 일반화 성능을 평가하기 위해 사용 ㄴ 일반화 성능을 평가하기 위해 학습 데이터와 별도로 유효성 검사(validation) 데이터를 사용하여 모델의 성능을 평가 ㄴ 일반적으로 학습 데이터(train), 유효성 검사 데이터(validation), 테스트 데이터(test)를 6:2:2 로 분할함 tf12_validation03.py import numpy as np from keras.models import Sequential from keras.layers import Dense from sklearn.model_selection import train_test_split from skle.. 2023. 5. 10.
AI 3일차 (2023-05-10) 인공지능 기초 - Optimizer Optimizer Gradient Descent (경사 하강법) ㄴ 함수의 기울기(즉, gradient)를 이용해 x의 값을 어디로 옮겼을 때 함수가 최소값을 찾는지 알아보는 방법 = > 문제점 ㄴ 극소값(local minimum)에 도달할 수 있다는 것이 증명되었으나 전체 최소값(global minimum) 으로 갈 수 있다는 보장은 없음 ㄴ 훈련이 느림 ** 참고 https://angeloyeo.github.io/2020/08/16/gradient_descent.html Momentum ㄴ Gradient Descent 의 문제를 해결하기 위해 보편적으로 사용됨 ㄴ 관성(momentum)을 적용하여 변수가 가던 방향으로 계속 갈 수 있도록 속도(velocity)를 추가한 것 ㄴ global minim.. 2023. 5. 10.
AI 2일차 (2023-05-09) 인공지능 기초 - 데이터 셋 회귀분석 - California_housing 데이터 셋 tf07_california.py import numpy as np from keras.models import Sequential from keras.layers import Dense from sklearn.model_selection import train_test_split from sklearn.metrics import r2_score # from sklearn.datasets import load_boston # 윤리적 문제로 제공 안 됨 from sklearn.datasets import fetch_california_housing # 1. 데이터 # datasets = load_boston() datasets = fetch_cali.. 2023. 5. 9.
AI 2일차 (2023-05-09) 인공지능 기초 - 회귀분석과 분류분석 회귀분석과 분류분석 구분 회귀분석 분류 이진분류 다중분류 평가지표 Loss mse, mae R2 Binary_Crossentropy accuracy Catergorical_Crossentropy accuracy Last Layer Activation Default (Linear) Simoid Softmax Last Layer node 의 개수 1이상 1 y 레벨의 수 만큼 Metrics mse, mae mse, mae + acc mse, mae + acc One Hot Encoding X X X 회귀분석 (Regression) ㄴ 연속된 값을 예측 (계속해서 변하는 값) ㄴ 과거의 주가 데이터를 가지고 미래 주가를 예측하거나, 자동차 배기량이나 연식 등 중고차 정보를 이용하여 가격을 예측 분류분석 (Cl.. 2023. 5. 9.

티스토리툴바