from keras.datasets import mnist from keras.utils import np_utils import numpy as np import sys 데이터 셋 준비 import keras fm = keras.datasets.fashion_mnist (trainImage, trainLabel), (testImage, testLabel)= fm.load_data() xTrain=trainImage.reshape(xTrain.shape[0],28,28,1) xTrain=xTrain.astype("float64") xTrain=xTrain/255 xTest=testImage.reshape(xTest.shape[0],28,28,1).astype("float64")/255 yTrain=np_..

데이터 다운로드 https://www.kaggle.com/c/dogs-vs-cats/data Dogs vs. Cats Create an algorithm to distinguish dogs from cats www.kaggle.com ★대용량주의 학습데이터 준비 import pandas as pd import numpy as np from keras.preprocessing.image import * from keras.utils import to_categorical from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt import random import os path = "C:\\Users\\stude..

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..

텐서플로우 데이터 불러오기 import tensorflow as tf import matplotlib.pyplot as plt import random tf.set_random_seed(777) from tensorflow.examples.tutorials.mnist import input_data mnist =input_data.read_data_sets("MNIST_data/", one_hot=True) 변수 정의 x = tf.placeholder(tf.float32, [None,784]) y = tf.placeholder(tf.float32, [None,10]) # 0~9 digit w = tf.Variable(tf.random_normal([784,10])) b = tf.Variable(tf.ra..

데이터 코드 # Open, High, Low , Volume으로 Close 가격 예측하기 xdata=data[["Open","High","Low","Volume"]] ydata=pd.DataFrame(data["Close"]) # 데이터 표준화 from sklearn.preprocessing import StandardScaler xdata_ss=StandardScaler().fit_transform(xdata) ydata_ss=StandardScaler().fit_transform(ydata) print(xdata_ss.shape , ydata_ss.shape) >>>(732, 4) (732, 1) # 트레이닝 테스트 데이터 분리 xtrain=xdata_ss[220:,:] xtest=xdata_ss[:..

케라스 모델 생성 기본 구조 1. 데이터 셋 생성 훈련을 위한 데이터 검증을 위한 데이터 테스트를 위한 데이터 2. 모델 구성 시퀀스 모델 생성한 다음 레이어를 추가( 간단한 모델 ) 복잡한 모델은 케라스 함수API를 사용. 3. 모델 학습과정 설정 Cost 함수 정의, 최적화 방법 정의 Compile 함수 사용 4. 모델 학습 트레이닝 데이터로 모델 학습 Fit 함수 사용됌 5. 훈련 셋, 검증 셋의 COST 측정, 정확도 측정 6. 모델 평가 테스트 데이터셋으로 평가 Evaluate 함수가 사용됌 7. 모델 사용 입력 -> 모델 -> 출력 (예측 .. ) Predict 함수가 사용됌 코드 import tensorflow as tf from keras.datasets import mnist from k..