뮤트 개발일지

인공지능으로 세상에 없던 새로운 패션 만들기 생성 모델링 Generative Modeling 판별 모델: 입력된 데이터셋을 특정 기준에 따라 분류하거나, 특정 값을 맞추는 모델 생성 모델: 학습한 데이터셋과 비슷하면서도 기존에는 없던 새로운 데이터셋을 생성하는 모델 Fashion MNIST 데이터를 사용할 예정 데이터셋의 이미지 크기: 28 * 28 데이터셋의 이미지 개수: 70,000장(training data 60,000 / test data 10,000) 카테고리: 0: T-shrit/top 1: Trouser 2: Pullover 3: Dress 4: Coat 5: Sandal 6: Shirt 7: Sneaker 8: Bag 9: Ankle boot 데이터셋 가져오기 tf.keras에 데이터셋이 ..

딥러닝 레이어의 이해 데이터의 차원 변화를 좇으며, 각기 다른 신경망들이 갖는 weight의 특성을 살펴보자. 오늘은 Linear레이어, Convolution레이어를 다룰 것 (다음 시간에는 Embedding, Recurrent레이어를 다룰 예정) Linear 레이어 선형대수학의 선형변환(Linear Transform)과 동일한 기능을하는 레이어 https://www.youtube.com/watch?v=kYB8IZa5AuE https://www.youtube.com/watch?v=vVvjYzFBUVk 기능: 선형 변환을 활용해 데이터를 특정 차원으로 변환한다. Convolution 레이어 사진 필터에서 Counvolution 연산을 활용한다. 선명하게 하는 필터, 흐리게 하는 필터 등이 Convoluti..

딥네트워크, 서로 뭐가 다른 거죠? ImageNet: 대량의 이미지 데이터를 포함하는 데이터셋 https://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures How we're teaching computers to understand pictures When a very young child looks at a picture, she can identify simple elements: "cat," "book," "chair." Now, computers are getting smart enough to do that too. What's next? In a thrilling talk, computer vis..

폐렴 환자 구분하기 필요한 모듈 임포트 import os, re import random, math import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import warnings warnings.filterwarnings(action='ignore') 변수 설정하기 # 데이터 로드할 때 빠르게 로드할 수 있도록하는 설정 변수 AUTOTUNE = tf.data.experimental.AUTOTUNE # X-RAY 이미지 사이즈 변수 IMAGE_SIZE = [180, 180] # 데이터 경로 변수 ROOT_PATH = os.path.join(os.getenv('HOME'), 'aiffel') TRAIN_PATH = ROOT_..

TF2 API 개요 TensorFlow2에서 딥러닝 모델을 작성하는 방법 3가지: Sequential, Functional, Model Subclassing TensorFlow2 API로 모델 작성하기 Sequential API import tensorflow as tf from tensorflow import keras import numpy as np # 데이터 구성부분 mnist = keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 x_train=x_train[...,np.newaxis] x_test=x_test[...,n..

뉴스 요약봇 만들기 추출적 요약 Extractive Summarization 원문에서 문장들을 추출해서 요약하는 방식이다. 추출된 문장들 간의 호흥이 자연스럽지 않을 수 있는데, 이 때 텍스트랭크(주로 머신러닝 방식에 속함)와 같은 알고리즘을 사용한다. 원문을 구성하는 문장 중 어느 것이 핵심문장인지 판별한다는 점에서 문장 분류 문제로 볼 수 있다. 추상적 요약 Abstractive Summarization 원문으로부터 내용이 요약된 새로운 문장을 생성한다. 자연어 처리 분야 중 자연어 생성Natural Language Generation,NLG 영역이다. 추상적 요약 해보기 데이터 준비 NLTK(Natural Language Toolkit)를 사용 영어, 기호, 통계, 자연어 처리를 위한 라이브러리이다..

비지도학습 비지도학습 Unsupervised learning: 지도학습과 달리 training data로 정답label이 없는 데이터가 주어지는 학습방법. 주어진 데이터가 어떻게 구성되어 있는지 스스로 알아내는 방법이라고 할 수 있다. 클러스터링(군집화) 명확한 기준이 없는 상황에서 데이터들을 분석하여 가까운(또는 유사한) 것들끼리 묶어주는 작업 그 방법으로는 아래와 같은 것들이 있다. K-means k 값이 주어졌을 때, 데이터들을 k개의 클러스터로 묶는 알고리즘 코드로 보자면, %matplotlib inline from sklearn.datasets import make_blobs import pandas as pd import numpy as np import matplotlib.pyplot as ..

인물사진을 만들어보자 셸로우 포커스 만들기 사진 준비하기 import os # 웹에서 데이터를 다운로드할 때 사용 import urllib # OpenCV라이브러리, 이미지를 처리할 때 사용 import cv2 import numpy as np # 시맨틱 세그멘테이션을 사용할 수 있도록 지원하는 라이브러리 from pixellib.semantic import semantic_segmentation from matplotlib import pyplot as plt # 이미지 불러오기 img_path = os.getenv('HOME')+'/aiffel/human_segmentation/images/samsuni.jpeg' img_orig = cv2.imread(img_path) print(img_orig.s..

선형 회귀와 로지스틱 회귀 회귀Regression 연속형 변수 간의 관계를 모델링하고 이에 대한 적합도를 측정하는 분석 방식 선형 회귀 분석Linear Regression: 두 변수 사이의 관계를 직선 형태로 가정하고 분석하는 것 분류: 데이터 x의 여러 feature 값들을 이용해 해당 데이터의 클래스 y를 추론하는 것 회귀: 데이터 x의 여러 feature 값들을 이용하여 연관된 다른 데이터 y의 정확한 값을 추론하는 것 선형 회귀 분석 Linear Regression 종속변수 y와 한 개 이상의 독립변수 x와의 선형 상관관계를 모델링하는 회귀분석 기법 한 개의 독립변수를 갖고 있으면 단순 선형 회귀, 둘 이상의 독립변수를 갖고 있으면 다중 선형 회귀라고 부른다. 1. 선형 회귀 모델링 선형 회귀식:..

딥러닝 들여다보기 신경망 구성 MNIST 이미지 분류기 # Tensorflow 기반 분류 모델 예시 코드 import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt # MNIST 데이터를 로드. 다운로드하지 않았다면 다운로드까지 자동으로 진행됩니다. mnist = keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() # 모델에 맞게 데이터 가공 x_train_norm, x_test_norm = x_train / 255.0, x_test / 255.0 x_train_reshaped = x_trai..