티케이

SoftMax Function: 다양한 값들의 합이 1이 나오게 하여 분류시 데이터 파악을 쉽게하도록 돕는 함수. (1 = 100%)e = 자연상수(대략 2.718...)softmax = exp(logits) / reduce_sum(exp(logits), dim)Python 코드로 나타내면 아래와 같다. One_hot: 값의 Index는 1 그리고 이외의 모든 값은 0으로 환산해주는 함수 softmax_cross_entropy_with_logits: cost함수를 만들어주는 함수 단, 해당 함수를 사용 후, 전체값의 평균을 내는 reduce_mean을 해줘야한다. Cross entropy: 비교하는 대상에 대한 현재 값

Logistic Classification 크기와 길이를 통해 해당 상품이 참치(0)인지 꽁치(1) 인지 판별 해보자. 아래 소스는 Logistic Classfication을 사용하여 분류하는 코드이다. 기본의 Linear regression과는 다른 부분들이 보인다. sigmoid는 그래프로서 최대값은 1, 최소값은 0인 그래프 함수 이다. 해당 부분의 API를 사용하여 데이터를 정규화 한다. 기존에 사용하던 cost 함수와는 조금 다른 형태의 cost 함수 이다. 간단하게 설명하면 참이면 loss는 0이고 거짓이면 loss는 무한대가 되는 그래프를 나타낸다. 데이터를 대입해보면 Y = 0 일 경우, H(x)가 1이면 해당 cost는 무한대가 되지만 H(x)가 0이되면 cost값은 0이 된다. cost..

첨자의 위치가 위: 참조 데이터 인덱스(트레이닝 데이터) 첨자의 위치가 아래: 참조할 데이터의 개수(키, 몸무게, 성별...) Min * Max 정규화 : (value - min(value)) / (max(value) - min(value)): 데이터값을 비교했을 경우, 차이가 많이 나는 경우가 발생한다. 그런 경우 해당 정규화를 사용하면 0 ~ 1사이의 실수값들을 얻을 수 있다. 주식 가격을 예측 해보자. 아래는 소스 코드 샘플해당 url의 데이터를 사용했음.데이터 사용: https://raw.githubusercontent.com/hunkim/DeepLearningZeroToAll/master/data-02-stock_daily.csvimport tensorflow as tf import numpy ..

강의 첫날 - 오전 Y = (a + bx)/z 1차 방정식남자의 경우만 고려 사람1 (65kg, 165cm)사람2 (80kg, 190cm)사람3 (90kg, 160cm) x : 각 개인의 몸무게 (65kg, 80kg, 90kg)y : 각 x의 적정 키 (175cm, 180cm, ...) 예측 : 비만/정상/저체중 Y 가 1.2보다 크면 비만Y 가 0.8보다 크고 1.2보다 작으면 정상Y 가 0.8보다 작으면 저체중 Y = (20 + 2 * 몸무게) / 키 Neural networks :Convolutional Neural Network(CNN) : 사진Recurrent Neural Network (RNN): 시간에 따라 변하는 데이터에 사용 Supervisor(교사 학습) : 정답을 알려줌- UnSupe..