목록Python (23)

Keep-H's Hardware Design Study Notes

CNN 구조 기반 프로젝트

CNN 모델을 Python으로 구현한 뒤 정확도를 높이기 위해 model을 수정하는 프로젝트를 진행했다. 어떤 방법을 사용하든 정확도를 최대한 높이는 것이 프로젝트의 목적이었기 때문에 잘 알고 있는 기존의 신경망을 개선할 수 있는 방안에 대해 공부하며 고민했다. [Network Structure] 두 구조 모두 3x3의 작은 필터를 사용한 합성곱 계층을 연속으로 거치는 방식인 VGG 신경망을 참고하여 만들어진 CNN model이다. 층을 더 깊게 구성했고 층이 깊어질수록 채널의 수를 증가시켰다. 해당 신경망은 "밑바닥부터 시작하는 딥러닝 1"에 ch8 딥러닝 파트를 참고했으며 Fashion Mnist와 Cifar10을 기준으로 해당 신경망을 적용하였을 때 정확도가 약 91.47%와 71.04%정도가 나왔..
Python/딥러닝 2024. 9. 16. 02:21
MNIST 함수 분석하기

데이터 셋 받아와서 정리하기 # coding: utf-8 try: import urllib.request except ImportError: raise ImportError('You should use Python 3.x') import os.path import gzip import pickle import os import numpy as np url_base = 'http://yann.lecun.com/exdb/mnist/' key_file = { 'train_img':'train-images-idx3-ubyte.gz', 'train_label':'train-labels-idx1-ubyte.gz', 'test_img':'t10k-images-idx3-ubyte.gz', 'test_label':'t1..
Python/딥러닝 2023. 11. 8. 18:02
Softmax 함수를 이용한 다중 분류 문제 - 와인 분류

3종류의 와인 178개를 Alcohol,Malic.acid,Ash,Acl,Mg,Phenols,Flavanoids,Nonflavanoid.phenols,Proanth,Color.int,Hue,OD,Proline 3종류의 와인 178개을 위의 13가지의 정보에 따라 분류할 수 있도록 한다. csv 파일에는 wine의 종류와 13가지의 정보가 적혀있다. 각 입력 데이터에 가중치와 편향을 통한 계산으로 와인을 판별할 수 있도록 한다. import numpy as np from matplotlib import pyplot as plt import pandas as pd # 현재 스크립트의 디렉토리 가져오기 import os script_dir = os.path.dirname(__file__) file_path =..
Python/딥러닝 2023. 10. 29. 02:05
MNIST 데이터 셋을 이용한 추론 과정, 배치처리

순전파 알고리즘을 활용하여 추론을 수행하는 신경망을 구현한다. 신경망은 입력층 뉴런을 784개, 출력층 뉴런을 10개로 구성한다. 입력층 뉴런은 이미지의 크기에 따라 정해졌고 0 ~ 9까지의 숫자를 구분하기 위해 출력층 뉴런을 10으로 지정했다. 은닉층은 두 개이며 첫 번째 은닉층에는 50개의 뉴런을 두고 두 번째 은닉층에는 100개의 뉴런을 둔다. 50과 100은 임의의 수이다. import sys import os import pickle import numpy as np sys.path.append(os.pardir) from dataset.mnist import load_mnist from common.functions import sigmoid, softmax def get_data(): (x_..
Python/딥러닝 2023. 8. 28. 00:44
이전 Prev 1 2 3 4 ··· 6 Next 다음