편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
새 문서: == 개요 == 케라스. TensorFlow 등으로 코드를 작성하는 일은 쉽지 않다. 거쳐야 하는 과정도 많고. 텐서플로우 위에서 이를 직관적이고 간편하...
== 개요 ==
케라스. TensorFlow 등으로 코드를 작성하는 일은 쉽지 않다. 거쳐야 하는 과정도 많고. 텐서플로우 위에서 이를 직관적이고 간편하게 이용할 수 있게 해주는 도구이다.
머신러닝 라이브러리인 Theano와 TensorFlow를 백엔드로 사용하는 라이브러리.
=== 설치 ===
pip install keras
= 사용 =
== 데이터 사전작업 ==
{| class="wikitable"
!의도
!설명
!방법
|-
|정규화
|일반적으로 데이터는 0~1 사이로 정규화한다.
|
|-
|csv 가져오기
|csv를 넘파이 배열화 해야 한다.
|<syntaxhighlight lang="python">
import pandas
csv = pd.read_csv("경로.csv") # 판다스를 이용하여 불러온다.
x = csv[['열1', '열2']].as_matrix() # 넘파이배열로 바꾸어 x에 담는다.
</syntaxhighlight>
|}
== 기타 활용 ==
=== 샘플데이터 ===
{| class="wikitable"
!의도
!설명
!방법
|-
|손글씨 샘플
|mnist의 샘플데이터를 가져온다.
|<syntaxhighlight lang="python">
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
</syntaxhighlight>
|-
|
|
|
|}
[[분류:딥러닝 라이브러리]]
케라스. TensorFlow 등으로 코드를 작성하는 일은 쉽지 않다. 거쳐야 하는 과정도 많고. 텐서플로우 위에서 이를 직관적이고 간편하게 이용할 수 있게 해주는 도구이다.
머신러닝 라이브러리인 Theano와 TensorFlow를 백엔드로 사용하는 라이브러리.
=== 설치 ===
pip install keras
= 사용 =
== 데이터 사전작업 ==
{| class="wikitable"
!의도
!설명
!방법
|-
|정규화
|일반적으로 데이터는 0~1 사이로 정규화한다.
|
|-
|csv 가져오기
|csv를 넘파이 배열화 해야 한다.
|<syntaxhighlight lang="python">
import pandas
csv = pd.read_csv("경로.csv") # 판다스를 이용하여 불러온다.
x = csv[['열1', '열2']].as_matrix() # 넘파이배열로 바꾸어 x에 담는다.
</syntaxhighlight>
|}
== 기타 활용 ==
=== 샘플데이터 ===
{| class="wikitable"
!의도
!설명
!방법
|-
|손글씨 샘플
|mnist의 샘플데이터를 가져온다.
|<syntaxhighlight lang="python">
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
</syntaxhighlight>
|-
|
|
|
|}
[[분류:딥러닝 라이브러리]]