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..

- 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..

#mnist - convolution을 쓰려면 reshape을 해야 하기 때문에 train과 test를 split 한 다음에 크기를 맞춰주었고 픽셀 값을 0~1사이로 정규화 하기 위해서 255로 나누어 주었다. - Sequential 모델을 만들어서 컨볼루셔널과 최대 풀링을 위한 MaxPool2D를 하였다. - 첫번째 CNN 네트워크 구조는 3*3 크기의 필터를 32개 가지는 것이고 여기서 padding 매개변수는 따로 지정해 주지 않았다.(주로 valid 패딩 아니면 same 패딩을 지정한다) 스타라이드 또한 지정해주지 않았다. - 활성화 함수는 relu 활성화 함수를 선택했고 최근 이미지 분야에서 자주 사용되고 있다. - 모델에 추가되는 첫 번째 층이므로 입력 크기를 input_shape 매개변수에 ..