KERAS
Posts
9 posts가장 쉬운 드랍아웃 [Keras]
가장 쉬운 드랍아웃 [Keras] 딥러닝에서 과적합(overfitting)을 피할 수 있는 방법으로서 드랍아웃 방법이 아주 유명하다. https://en.wikipedia.org/wiki/Dropout_(neural_networks)https://en.wikipedia.org/wiki/Regularization_(mathematics)https://machinelearningmastery.com/dropout-regularization-deep-learning-models-keras/https://machinelearningmastery.com/how-to-reduce-overfitting-with-dropout-regularization-in-keras/http://incredible.egloos.com
가장 쉬운 CNN (convolutional neural network) 예제
가장 쉬운 CNN (convolutional neural network) 예제 Source: ------------------------------------------------------------------------------------------------------------------------import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, poolingfrom keras.utils import np_utilsfrom keras.datasets import mnist np.random.seed(123)
가장 쉬운 VAE (variational autoencoder) 예제
가장 쉬운 VAE (variational autoencoder) 예제 생성모델, GAN :오토인코더: 또 다른 생성모델로서 VAE. Autoencoder의 latent space가 우리가 잘 아는 정규분포를 따른게 할 수 있다면, 이 분포는 소위, 평균과 표준편차만 구해낸다면 분포를 표현할 수 있습니다. KLD 확률분포의 유사성을 체크하는 함수. 분포가 같을 때, 0 다를수록 큰 값을 가진다. -------------------------------------------------------------------------------------------------------------------- import numpy as npimport matplotlib.pyplot as
가장 쉬운 VAE (variational autoencoder)
가장 쉬운 VAE (variational autoencoder) 데이터의 압축하는 방법을 정립하므로써 새로운 데이터를 만들어 낼 수 있다. 데이터를 압축할 때, 당연히 정보를 잃어버린다.동시에 압축된 정보로 부터 데이터를 복원하는 방법을 개발한다. 데이터를 가지고 있다면 언제든지 할 수 있는 일이다. 결국, 충분한 데이터에 대해서, 데이터 압축과정과 복원과정이라는 두 단계를 만들 수 있다. 잃어버린 정보가 있지만, 상당한 정보를 가진 네트워크를 만들 수 있다. 데이터를 기술하는 중추적인 정보를 인코더가 확보할 수 있을 것이다. 이 제한된 정보로 부터 원본을 확보하는 방법도 동시에 만드는 것이다. GAN 처럼 새로운 데이터를 만들 수 있다.http://incredible.egloos.com/74
