텐서플로우 자격증 준비를 위한 공부를 하려고 합니다. 시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다. Category 1: Basic / Simple model Category 2: Model from learning dataset Category 3: Convolutional Neural Network with real-world image dataset Category 4: NLP Text Classification with real-world text dataset Category 5: Sequence Model with real-world numeric dataset www.udacity.com/course/intro-to-tensorflow-for..

텐서플로우 자격증 준비를 위한 공부를 하려고 합니다. 시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다. Category 1: Basic / Simple model Category 2: Model from learning dataset Category 3: Convolutional Neural Network with real-world image dataset Category 4: NLP Text Classification with real-world text dataset Category 5: Sequence Model with real-world numeric dataset www.udacity.com/course/intro-to-tensorflow-for..

텐서플로우 자격증 준비를 위한 공부를 하려고 합니다. 시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다. Category 1: Basic / Simple model Category 2: Model from learning dataset Category 3: Convolutional Neural Network with real-world image dataset Category 4: NLP Text Classification with real-world text dataset Category 5: Sequence Model with real-world numeric dataset www.udacity.com/course/intro-to-tensorflow-for..

텐서플로우 자격증 준비를 위한 공부를 하려고 합니다. 시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다. Category 1: Basic / Simple model Category 2: Model from learning dataset Category 3: Convolutional Neural Network with real-world image dataset Category 4: NLP Text Classification with real-world text dataset Category 5: Sequence Model with real-world numeric dataset www.udacity.com/course/intro-to-tensorflow-for..

텐서플로우 자격증 준비를 위한 공부를 하려고 합니다. 시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다. Category 1: Basic / Simple model Category 2: Model from learning dataset Category 3: Convolutional Neural Network with real-world image dataset Category 4: NLP Text Classification with real-world text dataset Category 5: Sequence Model with real-world numeric dataset www.udacity.com/course/intro-to-tensorflow-for..

tensorflow 자격증 시험을 보기전에 아나콘다 가상환경 설정 및 파이참 연결에 대해 블로그 하려고 합니다. tensorflow 자격증 시험을 보기전에 필요한 라이브러리 버전을 확인해줍니다. www.tensorflow.org/extras/cert/Setting_Up_TF_Developer_Certificate_Exam.pdf 아래는 설치 목록입니다. tensorflow 2.3.0 과 Python 3.8 tensorflow tensorflow-datasets numpy Pillow urllib3 아나콘다 가상환경 설정 파이참을 키기전에 먼저 해야할 것은 아나콘다에서 가상의 환경을 설정해줘야합니다. conda create -n tf_test python=3.8 그 다음은 Y를 입력합니다 가상의 환경이 설..

CNN 영상 자동 모자이크 프로젝트를 진행했었습니다. OpenCV를 통해 모든 얼굴을 모자이크 한 영상에 CNN 분류기를 적용시켜 특정 인물 모자이크 제거했습니다. 학습시킬 사람 1명의 190장 얼굴 이미지와 학습시킬 사람을 제외한 나머지 550장 얼굴 이미지 128×128 픽셀로 변환시킨 다음에 7:3 으로 train_test_split하였습니다. import tensorflow as tf import random import glob import numpy as np import os.path as path import cv2 import matplotlib.pyplot as plt tf.random.set_seed(123) def load_img (img_path): image_path=img_pa..

- datasets에서 iris데이터를 불러오고 뉴럴네트워크에서 MLPClassfiier를 불러들어와 fit시켜보았다. - tensorflow에 keras에서 KerasClassifier를 불러들어와서 Sequetial을 이용해 모델을 만들어봤다. - 다중 분리이기 때문에 sparse 카테고리컬 크로스엔트로피를 사용했고 활성화함수는 렐루를 썼다. - KerasClassifier에 에폭을 5로해서 학습을 시키고 교차검증을 해보았다. - 머신러닝은 데이터가 많을수록 성능이 안올라가는데 딥러닝은 모델이 훨씬 더 복잡하기 때문에 더 성능을 올리수 있다.오버피팅이 생길수 있는데 이것을 막으려면 데이터를 늘려야한다. - 러닝커브를 그려보면 데이터가 요동쳐서 학습이 부족하다는 것을 알수있다. - 데이터가 충분하지 않..