본문 바로가기

코딩/머신러닝과 딥러닝20

포켓몬 분류 1. 포켓몬 분류¶Train: https://www.kaggle.com/datasets/thedagger/pokemon-generation-oneValidation: https://www.kaggle.com/hlrhegemony/pokemon-image-datasetimport osos.environ['KAGGLE_USERNAME'] = 'yunseopsong'os.environ['KAGGLE_KEY'] = 'af83501befeb0bedb4e8100f474816a7'!kaggle datasets download -d thedagger/pokemon-generation-oneDataset URL: https://www.kaggle.com/datasets/thedagger/pokemon-generation.. 2024. 7. 17.
전이학습 1. 에일리언 vs 프레데터 데이터셋¶데이터셋케글 로그인 -> 우측 상단의 계정을 클릭 -> Setting -> Acount -> API -> Create New Token -> Kaggle.json 파일이 다운로드 됨Kaggel.json을 메모장으로 열기{"username":"yunseopsong","key":"af83501befeb0bedb4e8100f474816a7"}import osos.environ['KAGGLE_USERNAME'] = 'yunseopsong'os.environ['KAGGLE_KEY'] = 'af83501befeb0bedb4e8100f474816a7'!kaggle datasets download -d pmigdal/alien-vs-predator-imagesDataset URL:.. 2024. 7. 17.
간단한 CNN 모델 만들기 import torchimport torch.nn as nnimport torch.optim as optim # 배치크기 * 채널(1: 그레이스케일, 3: 컬러, 4:컬러+투명도) * 너비 * 높이inputs = torch.Tensor(1, 1, 28, 28)print(inputs.shape) torch.Size([1, 1, 28, 28]) # 첫번째 Conv2Dconv1 = nn.Conv2d(in_channels=1, out_channels=32, kernel_size=3, padding='same')out = conv1(inputs)print(out.shape) torch.Size([1, 32, 28, 28]) # 첫번째 MaxPool2Dpool = nn.MaxPool2d(kernel_size=2)o.. 2024. 7. 17.
CNN 기초 1. CNN(Convolutional Neural Networks)¶합성곱 인공 신경망전통적인 뉴럴 네트워크에 컨볼루셔널 레이어를 붙인 형태컨볼루셔널 레이어를 통해 입력 받은 이미지에 대한 특징(Feature)을 추출하게 되고, 추출한 특징을 기반으로 기존의 뉴럴 네트워크에 이용하여 분류1-1. CNN을 사용하는 이유¶이미지를 분류할 때 DNN(Deep Nerual Network)의 문제점일반적인 DNN은 1차원 형태의 데이터를 사용해야 함2차원 이상의 데이터가 입력되는 경우 flatten 시켜서 한 줄로 데이터를 변환 후 넣어야 함이미지의 공간적/지역적 정보가 손실CNN은 이미지를 그대로(Raw Imput) 받음으로 공간적/지역적 정보를 유지1-2. CNN에서의 이미지 데이터¶컬러 이미지는 3개의 채널.. 2024. 7. 17.

티스토리툴바