Deep Learning71 10.3 신경망 하이퍼 파라미터 튜닝하기 scikit learn wrapping함수 만들기 import tensorflow as tf from tensorflow import keras fashion_mnist=keras.datasets.fashion_mnist (X_train_full, y_train_full), (X_test, y_test) = fashion_mnist.load_data() #validation set 생성 및 픽셀 값을 0~1사이의 값으로 정규화 X_valid, X_train = X_train_full[:5000] / 255., X_train_full[5000:] / 255. y_valid, y_train = y_train_full[:5000], y_train_full[5000:] X_test = X_test/255. cl.. 2021. 9. 24. 10.2 케라스로 다층 퍼셉트론 구현하기 In [2]: from IPython.core.display import display, HTML display(HTML("")) In [1]: import tensorflow as tf from tensorflow import keras In [39]: fashion_mnist=keras.datasets.fashion_mnist (X_train_full, y_train_full), (X_test, y_test) = fashion_mnist.load_data() In [40]: X_train_full.shape Out[40]: (60000, 28, 28) In [41]: X_train_full.dtype Out[41]: dtype('uint8') In [42]: #validation set.. 2021. 9. 22. 10.1 생물학적 뉴런에서 인공 뉴런까지 10.1.1 생물학적 뉴런 시냅스 말단이라는 구조를 통해 정보를 전달받음 이 정보를 신경전달물질이라는 화학적 신호로 바꾸어 다른 뉴런의 수상돌기나 세포체에 연결됨. 인공 신경망의 인공 뉴런 또한 비슷한 원리로 작동함. 여러 개의 input을 전달받으면 activation function을 거쳐 특정 output으로 도출해냄. 여러 개의 데이터를 받아 특정 결과를 도출해낸다는 점에서 생물학적 뉴런 구조와 인공 뉴런과 상통함. 10.1.2 뉴런을 사용한 논리연산 생물학적 뉴런에서 착안한 매우 단순한 신경망 모델 A, B는 input, C는 네트워크이다. 첫 번째 네트워크는 항등함수이다. 두 번째 네트워크는 논리곱 연산을 수행한다. A and B 모두 켜져있을 때 C 함수가 활성화 된다. 세 번째 네트워크는 .. 2021. 9. 21. 이전 1 ··· 15 16 17 18 다음
