CNN구현 (TF1.15, TF 2.0) CNN구조 (architecture) 1. Training Data Set (X, T) 2. input layer (입력 data의 차원을 조절 !!) 3. convolution layer (1) conv ( filter를 이용 [초기값 Random] ) (2) Feature Map 을 Relu 작업 → activation map (3) pooling layer (이미지 사이즈 줄이기) (Max,average,Min 을 이용) 4. 3번작업 반복 (ex) 3번작업에서 4개의 이미지가 나왔다면 4개의 각각 이미지에 대해서 또 4filter 적용 16개 이미지개수가로 늘어난다 / 이미지사이즈는 작아진다) ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ FC Layer (DNN..

import numpy as np import tensorflow as tf # 입력데이터의 형태 # 가로길이 : 3, 세로길이 : 3, 이미지의 개수 : 1, channel을 1로 사용 # (이미지의 개수, height,width,channel) => (1,3,3,1) image = np.array([[[[1],[2],[3]], [[4],[5],[6]], [[7],[8],[9]]]], dtype=np.float32) # print(image.shape) # (1, 3, 3, 1) # filter의 형태 # (filter height, filter width, filter channel수, filter 개수) # (2,2,1,1) weight = np.array([[[[1]], [[1]]], [[[1]]..

1. - convolutional Neral Network (CNN) - 합성곱 신경망 ==convnet(컨브넷)이라고 부르기도 한다 (줄임말) - DNN (Deep Nevral Network) == 과거 Deep learning - FC Layer (Fully connected Layer) == Dense : 모든 node들이 연결된 Layer - Flatten : 이미지가 나오면 3차원 4차원인데 2차원으로 평평히 펴준다는 의미 / DNN의 input layer라고 생각 ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ 번외 :구글,ibm,ms 같은데는 convolution layer가 128개? 정도된다 CNN의 구조 1. traning Data Set (X, T) 2. inpu..

import numpy as np import matplotlib.pyplot as plt from PIL import Image # 만약 Pillow 모듈이 설치가 되어 있지 않다면, # conda install Pillow img = Image.open('./images/justice.jpg') print(type(img)) # plt.imshow(img) plt.show() pixel = np.array(img) # print(pixel) print(pixel.shape) # (426, 640, 3) # 여기서 알수 있는건 가로가 640 세로가 426 RGB의 3개의 컬러를 가져 3channel을 가지고 있다고 표현 # 컬러이미지는 보통 3차원이다. 왜냐하면 # red, green , blue (일..

1 Image 처리의 기본 pixel = 이미지를 구성하고 있는 가장 작은 단위 pixel 갯수 = 모니터 해상도 (1024 x 768), 이미지의 해상도 pixel의 밝기값, color값을 가질 수 있는데 이런 pixel들이 모여 이미지 패턴이 만들어요 2차원 데카르트 좌표계 : 일반적으로 우리가 사용하는 좌표계로 x값이 하단 우측방향 y값이 좌측 상방향 이미지 좌표계 ( Image Coordinate) - x값이 상단 우측방향 y값이 좌측 하단방향 - 행렬곱(에서는 위에서 아래 방향) 이용을 위해 사용 [ y[행]이 떨어지도록 되어있다] - Y 축은 M 이라는 행과 matching - X 축을 N 이라는 열과 matching - 이미지 좌표계는 "Matrix구조" M x N 구조 pixel [ 세로,..

# 1. Training Data Set 확보 import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import MinMaxScaler # Raw Data Loading df = pd.read_csv('/content/drive/MyDrive/융복합 프로젝트형 AI 서비스 개발(2021.06)/09월/16일(목요일)/mnist/train.csv') # train 데이터와 test 데이터를 분리 train_x_data, test_x_data, train_t_data, test_t_data = \ tr..