"Keras"의 두 판 사이의 차이
둘러보기로 가기
검색하러 가기
(새 문서: == 개요 == 케라스. TensorFlow 등으로 코드를 작성하는 일은 쉽지 않다. 거쳐야 하는 과정도 많고. 텐서플로우 위에서 이를 직관적이고 간편하...) |
|||
| 1번째 줄: | 1번째 줄: | ||
== 개요 == | == 개요 == | ||
| − | 케라스. TensorFlow 등으로 코드를 작성하는 일은 쉽지 않다. 거쳐야 하는 과정도 많고. 텐서플로우 위에서 이를 직관적이고 간편하게 이용할 수 있게 해주는 도구이다. | + | 케라스. 원래 시에노 엔진을 편리하게 사용하려 개발했으나, 이후 사용할 수 있는 엔진이 점차 늘어났다. 사용자가 인공지능을 쉽게 구현하는 데 도움을 주는 인터페이스 제공. |
| + | |||
| + | 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. | 머신러닝 라이브러리인 Theano와 TensorFlow를 백엔드로 사용하는 라이브러리. | ||
=== 설치 === | === 설치 === | ||
| − | pip install keras | + | {| class="wikitable" |
| + | !의도 | ||
| + | !설명 | ||
| + | !방법 | ||
| + | |- | ||
| + | |케라스 설치 | ||
| + | |그냥 파이썬을 이용하는 경우. | ||
| + | |pip install keras | ||
| + | |- | ||
| + | |conda사용 | ||
| + | |아나콘다를 설치하고 이를 이용해 설치하면 텐서플로 등의 엔진들도 자동으로 설치해준다. | ||
| + | |conda install keras-gpu | ||
| + | conda install keras # gpu가 없는 경우. | ||
| + | |} | ||
= 사용 = | = 사용 = | ||
2021년 5월 6일 (목) 23:12 판
1 개요
케라스. 원래 시에노 엔진을 편리하게 사용하려 개발했으나, 이후 사용할 수 있는 엔진이 점차 늘어났다. 사용자가 인공지능을 쉽게 구현하는 데 도움을 주는 인터페이스 제공.
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.
1.1 설치
| 의도 | 설명 | 방법 |
|---|---|---|
| 케라스 설치 | 그냥 파이썬을 이용하는 경우. | pip install keras |
| conda사용 | 아나콘다를 설치하고 이를 이용해 설치하면 텐서플로 등의 엔진들도 자동으로 설치해준다. | conda install keras-gpu
conda install keras # gpu가 없는 경우. |
2 사용
2.1 데이터 사전작업
| 의도 | 설명 | 방법 |
|---|---|---|
| 정규화 | 일반적으로 데이터는 0~1 사이로 정규화한다. | |
| csv 가져오기 | csv를 넘파이 배열화 해야 한다. | import pandas
csv = pd.read_csv("경로.csv") # 판다스를 이용하여 불러온다.
x = csv[['열1', '열2']].as_matrix() # 넘파이배열로 바꾸어 x에 담는다.
|
2.2 기타 활용
2.2.1 샘플데이터
| 의도 | 설명 | 방법 |
|---|---|---|
| 손글씨 샘플 | mnist의 샘플데이터를 가져온다. | from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|