본문 바로가기

분류 전체보기119

Transfer Learning을 위한 코드와 설명 Transfer Learning은 기존에 잘 훈련되어 있는 모델을 base부분만 가져와 head부분은 따로 만들어서 이용 하는 것이다. 잘 만들어진 모델을 사용하여 새로운 모델을 만들시 학습을 빠르게 하며, 예측을 더 높일 수 있다. 모델을 가져올시 내가 지금 하려는 문제해결 방법과 유사한 문제해결 모델인지 확인해야 한다. keras에서 모델을 불러와 base_model로 . ex)MobileNetV2 base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE, include_top=False, weights="imagenet") IMG_SHAPE( 128, 128, 3)으로 처리 되어있다. include_top = False : 가져오는 .. 2021. 3. 4.
CNN으로 이미지 파일 시험코드 코랩 환경. 다 만들어진 CNN 모델이 얼마나 잘 맞나 테스트를 위해, 내 컴퓨터에 있는 이미지 파일로 시험해본다. import numpy as np from google.colab import files from tensorflow.keras.preprocessing import image uploaded = files.upload() for fn in uploaded.keys() : path = '/content/'+ fn img = image.load_img( path, target_size=( 300, 300) ) x = image.img_to_array(img) print(x.shape) x=np.expand_dims( x, axis = 0 ) print(x.shape) images = np.v.. 2021. 3. 3.
타임시리즈 데이터분석용 Prophet 라이브러리 타임시리즈 데이터 분석을 하기위한 페이스북에서 제공하는 Prophet 라이브러리를 활용한다. 라이브러리 from fbprophet import Prophet #Prophet 사용을 위해서는 가공된 데이터 프레임이 필요하다. 1. 날짜가 적혀있는 column을 보기좋게 날짜 순으로 정렬 후. 2. 날짜 column과 본인이 예측하고자하는 column을 'ds', 'y'로 column명 변경 chicago_prophet.columns= [ 'ds', 'y' ] ## or chicago_prophet.rename (columns = {'Date':'ds', 'AveragePrice':'y'} ) 모델링 m = Prophet() #Prophet을 m으로 m.fit(avocado_df_sample) #fit fu.. 2021. 3. 3.
CNN ImageDataGenerator 활용 (모델링) ImageDataGenerator를 활용하여, 사진파일을 간편하게 전처리 할 수 있다. 라이브러리 import tensorflow.keras from keras.models import Sequential from keras.layers import Dense,Flatten,Conv2D, MaxPooling2D, Dropout 모델링 model = tf.keras.models.Sequential() # Adding first CNN layer model.add( Conv2D ( 32, ( 3,3 ), activation= 'relu', padding='same', input_shape=( 32,32, 3 ) )) # Adding maxpool layer model.add( MaxPooling2D( 2, .. 2021. 3. 2.
728x90

티스토리툴바