2021년 11월 14일 (일) 13:03 판

1 데이터 처리

데이터 입럭은 3가지 형태로 이루어진다.

넘파이 배열. 일반적인 데이터과학에서 자주 사용되는 형태.
텐서플로우의 데이터셋 오브젝트. 성능행상에 도움.
tf.keras.preprocessing.image_dataset_from_directory turns image files sorted into class-specific folders into a labeled dataset of image tensors. tf.keras.preprocessing.text_dataset_from_directory does the same for text files. tf.data.experimental.make_csv_dataset to load structured data from CSV files.
파이썬 제너레이터.

https://keras.io/getting_started/intro_to_keras_for_engineers/ 위 링크에 정규화, 텍스트 배열 등의 전략이 소개되어 있다.

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.

의도

설명

방법

모듈 불러오기

.layers : 각 계층을 만드는 모듈.

models : 각 레이어들을 연결하여 신경망모델을 만든 후 컴파일하고 학습시키는 역할.

from keras import layers. models

신경망 디자인

ANN에 필요한 파라미터를 정해준다.

모델링

다양한 방법으로 모델링.

의도	설명	방법
손글씨 샘플	mnist의 샘플데이터를 가져온다.	from keras.datasets import mnist (x_train, y_train), (x_test, y_test) = mnist.load_data()

@@ 1번째 줄: / 1번째 줄: @@
 == 데이터 처리 ==
 데이터 입럭은 3가지 형태로 이루어진다.
-. 넘파이 배열. 일반적인 데이터과학에서 자주 사용되는 형태.
-. 텐서플로우의 데이터셋 오브젝트. 성능행상에 도움.
+# 넘파이 배열. 일반적인 데이터과학에서 자주 사용되는 형태.
-tf.keras.preprocessing.image_dataset_from_directory turns image files sorted into class-specific folders into a labeled dataset of image tensors.
+# 텐서플로우의 데이터셋 오브젝트. 성능행상에 도움.
-tf.keras.preprocessing.text_dataset_from_directory does the same for text files.
+# tf.keras.preprocessing.image_dataset_from_directory turns image files sorted into class-specific folders into a labeled dataset of image tensors. tf.keras.preprocessing.text_dataset_from_directory does the same for text files. tf.data.experimental.make_csv_dataset to load structured data from CSV files.
-tf.data.experimental.make_csv_dataset to load structured data from CSV files.
+# 파이썬 제너레이터.
-. 파이썬 제너레이터.
 https://keras.io/getting_started/intro_to_keras_for_engineers/