# TypeError: The added layer must be an instance of class Layer from keras.layers import * from keras.models import Sequential from keras.applications.resnet50 import ResNet50 CLASS_COUNT = 10 base_model = ResNet50( weights='imagenet', include_top=False, input_shape=(224, 224, 3), pooling='avg', ) base_model.trainable = False model = Sequential([ base_model, Dense(CLASS_COUNT, activation='softma..

데이터 이미지증식기 클래스 불러오기 from keras.preprocessing.image import array_to_img, img_to_array, load_img # 이미지 증식 augGen=ImageDataGenerator(rescale=1./255, rotation_range=15, width_shift_range=0.1, height_shift_range=0.1, shear_range=0.5, zoom_range=[0.8,2.0], horizontal_flip=True, vertical_flip=True, fill_mode='nearest') ImageDataGenerator 내 속성이 랜덤으로 적용됌. rotation_range: 회전, 90(0-90)사이 랜덤 width_shift_ran..

텐서플로우 기반 데이터 불러오기 import random from tensorflow.examples.tutorials.mnist import input_data mnist=input_data.read_data_sets("MNIST_data/", one_hot=True) # 하이퍼 퍼러미터 lr = 0.001 epochs = 15 batch_size = 100 계층 생성 # 하이퍼 퍼러미터 lr = 0.001 epochs = 15 batch_size = 100 #그래프초기화 ( 변수선언 위에다 입력해야함) tf.reset_default_graph() # 입력층 keep_prob = tf.placeholder(tf.float32) # drop-out 추가 x = tf.placeholder(tf.float3..

라이브러리 호출 import tensorflow as tf import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns 케라스버전 데이터 불러오기 from keras.models import Sequential from keras.layers import Dense, Activation from keras.datasets import boston_housing (trainData, trainTarget),(testData, testTarget) = boston_housing.load_data() print(trainData.shape) # (404, 13) print(trainTarget.shape)..

기술예측의 중요성 : 능숙함의 덫(Competency trap) ex ) NOKIA , SONY, Kodak , PlayStation , MP3 , Brictennic R&D 비용의 증가 ( 방향 선택과 집중 ) 신제품 수명주기 단축 기업경쟁력 요소 변화 : 제조능력 -> 운용능력 , 기업의 기능이 'How'에서 'What'으로 이행 예측하는 사람의 함정: 자신이 보고싶은 요인들만 보려 하는 습성 장기적인 예측이 어려움 기술예측의 정의 : 기술적 사건이나 기술적 속성을 대상으로, 합리적이고 과학적인 방법 혹은, 이용 가능한 명확하고 과학적인 방법론으로, 실증 자료를 분석하고 활용하여, 미래의 사건, 조건, 상황을 전망하는 작업 Prediction vs Forecast vs Forsight Forecast..

IMDB 데이터 로드 from keras.datasets import imdb (trainData, trainLabel),(testData, testLabel)= imdb.load_data(num_words=10000) # 자주 사용된 1000개 단어 만 추출 사용 wordIndex= imdb.get_word_index() # 단어의 Index 호출 rev_wordIndex=dict([(value,key) for (key,value) in wordIndex.items() ]) # 단어, 갯수 dict 형태로 저장 # i가 0,1,2,3 일때는 "?"를 get (쓸모없는 데이터 제거 ) decReview= " ".join([rev_wordIndex.get(i-3,"?") for i in trainData[..