tensorflow 머신러닝 예제

게시자의 노트 : 파이썬과 딥 러닝은 파이썬 언어와 강력한 케라스 라이브러리를 사용하여 딥 러닝의 분야를 소개합니다. 케라스 크리에이터이자 구글 AI 연구원인 프랑수아 콜렛(François Chollet)이 쓴 이 책은 직관적인 설명과 실용적인 사례를 통해 여러분의 이해를 구축합니다. 나는 주어진 숫자를 예측하는 텐서 플로우 모델을 가지고 있지만 (MNIST기준) 조금 실패합니다. 정확도를 인쇄하거나 TF를 사용하여 이 숫자를 예측하는 것이 좋습니다. 이미지 작업을 계속하고 싶다면 PCA, K-Means 및 지원 벡터 머신 (SVM)의 도움으로 MNIST 데이터 집합을 다루는 DataCamp의 scikit-learn 자습서를 확인하십시오. 또는 벨기에 교통 표지판 데이터 집합을 사용하는 이 자습서와 같은 다른 자습서를 살펴보십시오. aymericdamien/TensorFlow-예제에서 새로운 릴리스에 대한 알림을 원하십니까? TF v2에 대한 자습서 인덱스는 여기에서 확인할 수 있습니다: TensorFlow 2.0 예제. 이 노트북 컬렉션은 파이썬과 함께 딥 러닝책에서 영감을 받았습니다. 이 자습서에서는 딥 러닝 모델을 구축하고 교육하기 위해 TensorFlow의 고급 파이썬 API인 tf.keras를 사용합니다. 텐서플로우에서 케라스 사용에 대해 자세히 알아보려면 텐서플로우 케라스 가이드를 참조하십시오. Nishant Shukla가 쓴 TensorFlow 책을 사용하여 기계 학습을 확인하십시오.

기계 학습의 기본 및 개념에 대해 알아보려면 기계 학습 충돌 과정을 수강하는 것이 좋습니다. 또한 파이썬의 딥 러닝, DataCamp의 Keras 자습서 또는 R 자습서가있는 keras에 관심이있을 수 있습니다. 이 수식에서 n은 공간의 차원 수이고 x는 학습 데이터의 벡터이고 y는 분류하려는 새 데이터 포인트입니다. 이 자습서에서는 Python에서 딥 러닝 프로젝트에 대한 코드를 작성할 수 있는 TensorFlow 버전을 다운로드합니다. TensorFlow 설치 웹 페이지에, 버추얼 엔프를 사용 하 여 TensorFlow를 설치 하는 가장 일반적인 방법 및 최신 지침 의 일부를 볼 수 있습니다., 핍, 도커 그리고 마지막으로, 또한 귀하의 개인 컴퓨터에 TensorFlow를 설치 하는 다른 방법 중 일부. . 좋아, 그래서 위의 코드를 조금 압축을 풀어 보자. 먼저 W1과 b1에 대한 몇 가지 변수, 입력 과 숨겨진 레이어 사이의 연결에 대한 가중치 및 바이어스를 선언합니다. 이 신경망은 숨겨진 레이어에 300개의 노드를 가지므로 무게 텐서 W1의 크기는 [784, 300]입니다. 평균이 0이고 표준 편차가 0.03인 임의 정규 분포를 사용하여 가중치 값을 초기화합니다. TensorFlow에는 numpy 임의 법선 함수의 복제 된 버전이 있으므로 지정된 분포에서 가져온 임의의 샘플로 채워진 지정된 크기의 행렬을 만들 수 있습니다.

마찬가지로 W2 및 b2 변수를 만들어 숨겨진 레이어를 신경망의 출력 계층에 연결합니다. 아름답고 잘 설명 된 게시물. 나는 RL을 배우고이 튜토리얼은 나를 위해 질문을 많이 명확히. 감사합니다! 세션 실행 방법을 통해 자리 표시자가 피드 메커니즘과 함께 사용되는 TensorFlow 방식으로 두 정수 x와 y를 곱하는 간단한 문제를 살펴보겠습니다. 이 경우 변환 모듈은 크기 조정() 기능을 제공하므로 유용합니다. 목록 이해력을 사용하여 각 이미지의 크기를 28x 28픽셀로 조정하는 것을 볼 수 있습니다. 다시 한 번, 실제로 목록을 형성하는 방식을 볼 수 있습니다: 이미지 배열에서 찾을 수 있는 모든 이미지에 대해 skimage 라이브러리에서 빌린 변환 작업을 수행합니다. 마지막으로, images28 변수에 결과를 저장: 위의 예제에서 사용 하는 데이터 집합은 Kaggle 데이터 집합 섹션에서 찾을 수 있습니다.

Sorry, comments are closed for this post.