쵸코쿠키의 연습장

지금 자세히 알아보지는 않았지만, 지난 포스팅에서 비선형성에 대해 이야기했습니다. 이것은 이 학습에서 기계 학습 맥락에서 다룰 주제입니다. 비선형성은 활성화 함수라고도 합니다. 활성화 함수가 입력을 다른 종류의 출력으로 변환하는 방법을 설명합니다. 외부 온도에 대해 생각해보십시오. 깨어나고 태양이 빛나고 있다고 가정합니다. 따라서 외출하고 따뜻하고 편안한 옷을 입습니다. 오후에는 온도가 내려 가기 시작하면서 손에 재킷을 들고 다닙니다. 처음에는 뇌가 차가워지고 있다고 말하더라도 어느 시점에서 큰 차이나는 행동을 하지 않습니다. 온도에서 활성화 함수는 이 입력을 재킷을 입는 행동으로 변형 시킵니다. 이것은 변환 후의 출력이기도합니다. 비선형성 배후의 논리는 온도의 변화가 선형 모델을 따르고 있었는데, 활성..

더 복잡한 관계를 표현할 수 있도록 비선형성이 필요하다고 말했습니다. 하지만, 비선형성을 포함시키는 중요한 이유는 선형 레이어를 쌓을 수있는 능력은 선형만 있을 때 레이어를 쌓을 수 없다는 점입니다. 하나의 숨겨진 레이어가 있고 비선형성이 없다고 상상해보십시오. 숨겨진 레이어에는 8 개의 입력 노드가 9 개의 헤드와 노드가 있고 4 개의 출력 노드가 있으므로 8 x 9 개의 행렬이 있습니다. 입력 레이어와 숨겨진 레이어 사이의 관계를 매트릭스 W라고합니다. 선형 모델 H에 따라 숨겨진 유닛은 x 곱하기 w와 같습니다. 잠시 바이어스를 무시하고 생각해보겠습니다 .그래서 숨겨진 유닛은 행렬 H로 1 x 9의 형태로 요약됩니다. 출력 배치 선형 모델 Y에 따라 숨겨진 레이어에서 다시 한 번 h x W2와 같습..

이미 이 그림을 보았습니다. 딥 러닝의 기본 그림이라고 할 수 있습니다. 이 포스팅에서 간단하게 알아보도록 하겠습니다. 첫 번째 레이어는 입력 레이어입니다. 각 원은 별도의 입력을 나타냅니다. 이 그래프에는 8 개의 입력이 있습니다. 이 입력은 텐서플로우 프레임 워크에서 모델을 학습하기 위해 공급하는 데이터입니다. 예측을 할 떄, 8 개의 입력이 있다고 상상하십시오. 예를 들어 평균, 온도, 최고 온도, 최저 온도, 습도, 강수량, 대기압, 구름, 거리의 가시성 등이 있습니다. 이러한 입력을 선형으로 결합한 다음 비선형성을 추가합니다. 선형화하는 것은 쉽습니다. 좋은 오래된 선형 모델을 사용합니다. 입력은 X입니다. 이를 선형적으로 결합하려면이 예제에서 가중치가 필요합니다. 가중치는 8 x 9입니다. 1..

레이어에 대해 광범위하게 이야기 할 것이라고 약속했습니다. 딥 뉴럴 네트워크의 가장 일반적인 그림 표현은 위와 같습니다. 첫 번째 레이어는 입력 레이어라고합니다. 이것은 기본적으로 가지고있는 데이터입니다. 신경망의 기본 이론적 근거는 이제 이 출력을 다른 레이어의 입력으로 사용할 수 있고, 마지막 학습을 중지하기로 결정할 때, 그 레이어를 출력 레이어를 사용할 수 있다는 것입니다. 첫 번째 레이어는 입력 레이어이고 마지막 레이어는 출력 레이어입니다. 사이의 모든 레이어를 숨겨진 레이어라고합니다. 입력을 알고 출력을 얻지만 이러한 작업이 숨겨진 스태킹 계층마다 하나씩 딥 네트워크를 생성하거나 이를 딥넷이라고 하므로 어떻게되는지 알 수 없습니다. 숨겨진 계층의 빌딩 블록을 숨겨진 유닛 또는 노드라고 합니다...

다시 한 번 더 깊이 파고 들어야 할 시점입니다. 이전 섹션 중 하나에서 심층 신경망을 살펴볼 계획입니다. 간단한 선형 회귀 모델을 훈련하는 방법을 보았습니다. 두 개의 입력과 단일 출력이 있습니다. 이 떄, 배운 선형 모델을 사용했습니다. 이 함수는 L2 뉴런 손실에 따라 몇 백 번의 데이터가 가장 적합합니다. 이제 대부분의 실제 생활에 적용하기 위해서는 선형 레이어를 조합해 더 나은 예측 인공지능이 필요합니다. 이것은 대부분 선형 모델보다 복잡한 모델로 작업하는 것을 의미합니다. 복잡함은 일반적으로 선형 혼합과 비선형 연산을 의미하며, 이러한 복잡성은 임의의 함수를 표현할 수 있게 합니다. 선형으로 결합된 입력에 출력을 할당한 다음 출력을 생성하는 비선형 변환을 수행하게 되는 것입니다. 아마도 비선형..

# 문제에 대한 관련 라이브러리를 항상 가져와야합니다. import numpy as np import matplotlib.pyplot as plt import tensorflow as tf # 먼저, 생성하고자하는 훈련 세트의 크기를 포함하는 변수를 선언해야합니다. observations = 1000 # 입력으로 두 개의 변수를 사용할 것입니다. # 이전 예제에서 x1과 x2로 생각할 수 있습니다. # 우리는 x와 z를 구분하기가 쉽기 때문에 선택했습니다. # 균일 한 분포로 그림을 무작위로 생성합니다. # 이 방법에는 3 가지 인수 (낮음, 높음, 크기)가 있습니다. # xs와 zs의 크기는 관측치 x 1입니다.이 경우 : 1000 x 1입니다. xs = np.random.uniform(low=-10,..

import numpy as np import matplotlib.pyplot as plt import tensorflow as tf observations = 1000 xs = np.random.uniform(low=-10, high=10, size=(observations,1)) zs = np.random.uniform(-10, 10, (observations,1)) generated_inputs = np.column_stack((xs,zs)) noise = np.random.uniform(-1, 1, (observations,1)) generated_targets = 2*xs - 3*zs + 5 + noise np.savez('TF_intro', inputs=generated_inputs, targ..

머신 러닝의 중요한 부분인 초기화에 대한 첫 번째 포스팅입니다. 세계에서 가장 빠른 컴퓨터조차도 세부 사항을 말하면서 도움을 줄 수는 없습니다. 초기화는 가중치의 초기 값을 설정하는 프로세스입니다. 부적절한 초기화로 인해 최적화 프로그램 모델이 발생하지 않을 수 있으므로 이 개념을 알아두는 것이 중요합니다. 가장 간단한 그라디언트 디센트를 소개 할 때 5x^2 + 3X - 4 함수를 사용합니다. 그라디언트 디센트를 수행합니다. 다시 말해 초기 가중치를 우연히 발견한 다음 경우에 간단한 값 4로 가중치를 초기화했습니다. 그런 다음 마이너스 0 범위에서 무작위로 가중치를 초기화했습니다. 스스로에게 질문하지 않았다면 지금이 시간입니다. 초기 가중치가 무엇인지 아는 것이 중요합니다. 임의의 초기 가중치가 필요하..

import numpy as np import matplotlib.pyplot as plt import tensorflow as tf observations = 1000 xs = np.random.uniform(low=-10, high=10, size=(observations,1)) zs = np.random.uniform(-10, 10, (observations,1)) generated_inputs = np.column_stack((xs,zs)) noise = np.random.uniform(-1, 1, (observations,1)) generated_targets = 2*xs - 3*zs + 5 + noise np.savez('TF_intro', inputs=generated_inputs, targ..

import numpy as np import matplotlib.pyplot as plt import tensorflow as tf numpy와 matplotlib와 텐서플로우 라이브러리를 임포트합니다. 텐서플로우로 라이브러리는 tf로 선언해 가져옵니다. 한줄 한 줄 마다 코드 차이가 있습니다. observations = 1000 xs = np.random.uniform(low=-10, high=10, size=(observations,1)) zs = np.random.uniform(-10, 10, (observations,1)) generated_inputs = np.column_stack((xs,zs)) noise = np.random.uniform(-1, 1, (observations,1)) ge..

텐서플로우 소개입니다. 텐서플로우는은 구글이 개발한 심층 학습 라이브러리입니다. 코딩이 거의 없는 꽤 복잡한 모델을 만들어 볼 수 있게 해주기 때문에 인사이트를 얻을 수 있습니다. 실제 예에서는 텐서플로우는 20줄의 코드가 필요했습니다. import numpy as np import matplotlib.pyplot as plt import tensorflow as tf observations = 1000 xs = np.random.uniform(low=-10, high=10, size=(observations,1)) zs = np.random.uniform(-10, 10, (observations,1)) generated_inputs = np.column_stack((xs,zs)) noise = np.r..

신경망을 만들기 위해 텐서플로우로 작업 할 것임을 알고 있습니다. 그러나 텐서플로우는 더 이상 예전과 같지 않습니다. 그래서 개발에 대한 짧은 역사를 가지고 텐서플로우가 가장 널리 사용되는 이유 중 하나입니다. 많은 실용성으로 인해 많은 실무자들이 선호하는 선택이지만 불행히도 배우고 사용하기가 매우 어려운 단점이 하나 있습니다. 따라서 많은 사람들이 텐서플로우의 두 라인을 본 후 낙담합니다. 메소드는 이상할뿐만 아니라 코딩의 전체 논리는 대부분의 라이브러리와 달리 파이토치와 같은 상위 레벨 패키지의 개발 및 대중화로 이어졌으며, 2017년에 특히 흥미로웠습니다.실제로 텐서플로우과 오픈 소스처럼 관심이 있기는하지만 프로그래밍 세계에서 그런 일이 일어난다는 것은 놀라운 일이 아닙니다. 케라스는 다른 라이브러..

지금까지 우리는 numpy만을 계산 라이브러리로 사용했습니다. 하지만 텐서플로우와 SK가 머신 러닝에 적합한 Python 라이브러리가 있다고 생각할 것입니다. 사용할 주요 도구가 될 텐서플로우에 대해 알아보겠습니다. 텐서의 수학적 개념은 광범위하게 설명 될 수 있습니다. 벡터와 행렬은 텐서가 벡터 스칼라에서 다음 객체가 될 것입니다. 벡터와 행렬은 모두 텐서가 0 1이고 2는 각각 우리가 지금까지 본 개념의 일반화일뿐입니다. 텐서플로우를 보면 일단 의미하는 바를 빨리 알 수 있습니다. 텐서플로우를 소개하기 전에 잠시 시간을 내어 왜 좋은 선택인지 설명해 드리겠습니다. 가장 인기있는 라이브러리 중 하나이며 대부분의 다른 기계 학습 과정은 SK 학습에 기반을 두고 있기 때문에 비교하여 학습합니다. 알고 있지..

Anaconda의 장점은 다른 라이브러리와 함께 자동으로 제공되지 않는다는 것입니다. 메인 패키지를 별도로 설치할 필요가 없으므로 강력합니다. 파이썬에서 프로그래밍을 위한 다른 소프트웨어와 마찬가지로 텐서플로우를 사용하여 최신 버전을 설치했는지 확인합니다. 새로운 환경을 만드는 방법을 보여줍니다. 텐서플로우를 최신 버전으로 업그레이드한 다음 Jupyter에 새 커널을 추가하십시오. 준비 시작하기 시작 메뉴를 열고 아나콘다 프롬프트를 검색하여 시작하십시오. Conda info --envs를 입력하여 현재 환경을 확인해야합니다. conda create --name py3-TF2.0 python=3 새로운 환경을 만드는 방법을 살펴 보겠습니다. 설치 텐서 흐름은 Conda를 작성해야합니다. 이중 대시 이름을 ..

관련 라이브러리 가져 오기 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D 항상 문제에 대한 관련 라이브러리를 가져와야합니다. 이 예제에서는 NumPy가 필수입니다. matplotlib 및 mpl_toolkits는 필요하지 않습니다. 결과를 시각화할 목적으로 만 사용합니다. 훈련 할 임의의 입력 데이터 생성 observations = 1000 xs = np.random.uniform(low=-10, high=10, size=(observations,1)) zs = np.random.uniform(-10, 10, (observations,1)) inputs = np.column_stack((x..

단축키 개요 위에 있는 여러 단축키들 중 유용한 것들은 찾아 활용하면 좋습니다. 기본적인 단축키 설명들은 아래와 같습니다. 이제 대시 보드에 대해 더 많이 알았으므로 셸을 검사하고 여기에 표시된 필드를 목성으로 코딩하는 방법을 셀이라고합니다. Enter 키를 눌러 셀에 액세스 할 수 있습니다. 커서를 볼 수 있으므로 코드 입력을 시작할 수 있습니다. 회색 상자를 입력 필드라고합니다. X는 4 개의 숫자 1 2 3 및 4로 구성되어 있지 않다는 짧은 코드를 넣습니다. XI를 입력 하여이 목록을 인쇄하면 두 가지 방법 으로이 명령을 실행할 수 있습니다. 첫 번째 방법은 제어를 유지 하고이 작업을 수행하여 Enter 키를 누르는 것입니다. 기계는 셀의 코드를 실행하고 거기에 머무를 것입니다. 생성 또는 선택된..

컴퓨터에 Python을 설치하는 방법에는 여러 가지가 있지만 특히 새로운 사용자에게는 Anaconda를 선택하는 것이 좋습니다. Python뿐만 아니라 주피터 노트북 앱 및 많은 과학 컴퓨팅 및 데이터 과학 패키지도 설치합니다. www.anaconda.com 홈 페이지에서 다운로드 버튼을 클릭하십시오 .Windows Mac 또는 Linux의 세 가지 운영 체제 중 하나를 선택해야합니다 . Windows에 Anaconda를 설치하는 방법을 보여 주지만 Mac을 사용하려는 경우 절차는 동일합니다. Linux 버전 이제 네 가지 옵션 중에서 가장 좋은 것을 선택해야합니다. 설치 버전에 따라 32 비트 또는 64 비트 버전이 있습니다. Python 2와 3의 차이점은 거의 중요하지 않지만 32 또는 64 비트 ..

파이썬과 R은 아마도 가장 널리 사용되는 두 가지 언어입니다. 데이터 과학에서 주로 파이썬을 사용합니다. 그리고 왜 그 사용법에 반대되는 주장이 거의 없는지 알아보겠습니다. 파이썬과 R은 아마도 가장 널리 사용되는 두 가지 언어이자 데이터 과학에서는 파이썬을 사용합니다. 이제 실제로 그 사용법에 대한 논쟁이 거의없는 이유에 대해 알아보겠습니다. 오픈 소스 범용 고수준 언어입니다. 예를 들어 ESC는 Google Summer of Codeproject로 광범위하게 시작했지만 가장 인기있는 무료 기계 학습 중 하나로 개발 된 패키지를 배울 수 있습니다. 파이썬이 오픈 소스 프레임 워크가 아닌 경우에는 발전하지 않았을 것입니다. 또한 모든 주요 운영 체제에서 사용할 수 있습니다 .Windows Mac 및 Li..