Dive into DEV

Digit MNIST 이미지 분류하기 일단 필요한 모듈을 임포트한다. keras에서 제공되는 기본 데이터셋 중 mnist 손글씨 0~9까지 분류해보려고 한다. mnist 데이터를 로드하면 4개의 반환값이 나온다. 각각 X train, Y train, X validation, Y validation이다. X는 데이터 0~9까지 이미지를 뜻하고 Y는 그 이미지에 대한 정답이다. shape을 출력한 것을 보면 28x28 사이즈의 이미지가 60,000장 있다는 것을 알 수 있다. X_train의 이미지들을 학습시키기 위해 reshape 해준다. 28x28 사이즈의 정사각형 이미지를 784 사이즈 즉, 한줄로 쭉 바꾸어 준 것이다. 또 astype으로 float64로 자료형을 바꾸어주고 255로 나누어 norma..

활성화 함수 이전 포스팅에서 퍼셉트론의 계산식을 다음과 같이 나타냈습니다. x1*w1+x2*w2+x3*w3 +b 0 이면 y=1 이것을 조금 더 간단히 표현하면, t=x1*w1+x2*w2+x3*w3 +b y=h(t) h(x) = 0 (x0) 즉, t 값이 0이하이면 y는 0이 되고, t 값이 0 초과이면 y는 1이 되는 것 입니다. 여기서 h(x)와 같은 함수를 활성화 함수(Activation Function)라고 합니다. 이해를 위해 여러가지 그림으로 확인하면, y=x1*w11+x2*w12+x3*w13 f는 activation function z는 output 활성화 함수의 종류 가장 기본이 되는 계단함수 0 또는 1의 값을 출력 과거에 많이 사용된 Sigmoid Function 0 ~ 1 사이의 실수..

신경망 학습 학습이란 훈련 데이터(Train Data)로부터 가중치 매개변수를 갱신하며 최적의 값을 찾는 것 입니다. 이렇게 최적의 값을 찾을 때에 사용하는 하나의 지표가 Loss Function(손실 함수) 입니다. Loss Function (손실함수) 손실함수는 신경망이 학습할 수 있도록 해주는 지표입니다. 정답과 출력값의 차이, 즉 오차를 말합니다. 이 손실함수 값(=오차)이 최소화되도록 하는 가중치와 편향을 찾습니다 (=학습합니다) 일반적으로는 MSE 혹은 Cross Entropy를 사용합니다. 평균 제곱 오차(Mean Squared Error : MSE) 계산이 간편하여 가장 많이 사용되는 손실 함수입니다. 거리가 음수로 나왔을 때 합산된 오차가 상쇄될 수 있기 때문에 각 거리 차이를 제곱하여 ..

퍼셉트론 퍼셉트론은 프랑크 로젠블라트가 처음 고안한 알고리즘입니다. 이는 신경망과 딥러닝으로 나아가는 데 중요한 역할을 합니다. 퍼셉트론은 "다수 입력 - 단일 출력"의 형태입니다. 여러개의 신호가 입력되면 하나의 신호가 출력됩니다. 입력값(x)에 가중치(w)를 곱하여 모두 합하면 출력값이 됩니다. x1*w1+x2*w2+x3*w3 +b 0 이면 y=1 b(bias)는 편향을 나타내는 매개변수이고 활성화를 제어합니다. w(weight)는 가중치를 나타내고 각 입력값의 영향력을 제어합니다. 인공신경망 동그라미 = 노드 회색 선 = 가중치 인공신경망은 다음과 같이 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 되어있습니다. 위 그림에서는 2개의 입력과 2..

Website: https://sites.google.com/view/dscduksung 홈 Core Member에게는 따로 혜택이 주어지나요? 정해진 혜택은 따로 없습니다. 하지만 Core Member들은 먼저 학습 후 Member에게 알려주는 역할이므로 더 많은 시간을 투자하는 만큼 실력도 향상될 것이라 생각합니다. 또한 팀 프로젝트 진행시 팀 빌딩을 할 때 프로젝트 리더의 권한, 주제 선정 권한 등을 부여할 예정입니다. sites.google.com Facebook Page: https://www.facebook.com/DSC-Duksung-106462430732688/ DSC Duksung DSC Duksung. 좋아하는 사람 3명. 공공 단체 www.facebook.com