쑤쑤_CS 기록장

이전 단원에서는 how to train your own models using CreateML and Turi Create에 대해서 배웠다. 이것은 코드를 많이 쓸 필요 없이 사용자에게 편리한 툴 이다. 하지만 이 단점은 사용자에게 많은 control over the training process 권한이 없다. 당신이 뭘 하고 있는지 알고 싶고, ML에서 얻고싶은게 많다면 더 강력한 툴을 사용해야 한다. 이번 단원에서는 대중적인 deep learning tool인 Keras를 사용하여 snacks classifier를 학습하자. Keras는 실제 performs the actual computations하는 backend에서 작동한다. 가장 유명한 TensorFlow를 이용해서 이를 적용해보자. Tens..

* confusion matrix 실제 class / 예측 class 왼쪽 대각선 부분 제외, 0 아닌 값은 에러임 + Netron (github.com/lutzroeder/Netron) 깔아서 실습해보기 -> learning 의 과정 쭉 모델 아키텍처로 보여짐 * mac 키체인 * 다음 단원 Logistic Regrssion //수학적 learning Softmax // 아키텍처 살펴볼 수 있음 * 조언 - mac 환경 영어로 진행하기 -> 익숙해지도록. (고유명사와 명사 등을 구별하기 쉬워진다) * 에러 났을 때, 시나리오 작성하기 - 어디까지 되고 - 어디눌렀을 때 에러 등 하나씩 해결해 나가기 - 6장 공부하고, 자기의 글로 메모하기 - 5장 챌린지1 ( healthy/unhealthy 20개 중..

티스토리 글에 사진을 많이 넣을 경우, 사진에 테두리가 얇게 있는 게 더욱 깔끔하게 느껴질 때가 있죠 오늘은 그 방법에 대해 알아보고자 합니다. 1. 티스토리 스킨 편집 들어가기 2. [html 편집] 누르고 -> CSS 클릭하기 3. command + F 로 해당 단어 찾기 : imageblock 이때 주의점은, 그냥 홈페이지에 마우스를 두고 F를 하면 제대로 안찾아집니다. 꼭 위 CSS 사진 속 한 코드를 클릭 후, 아래 사진처럼 된 상태에서 단어를 찾습니다. 4. 해당 부분을 아래와 같이 바꿔주기. 저는 옅은 회색 코드를 사용했습니다. 사진의 가운데 정렬 도 넣었습니다. area_view 란, 블로그 내 모든 사진 이미지가 아니라 게시글 안에 있는 사진 이미지에만 적용된다는 것을 의미합니다. 필요한..

5단원 에서는 SqueezeNet base model 을 이용해서 snack classifier를 train하고, 그 결과를 evaluate 하기 위한 다른 방법을 알아본다. use the SqueezeNet base model to train the snacks classifier, then explore more ways to evaluate its results. * Getting started 지난 단원의 turienv 환경을 계속 사용한다. Jupyter notebook, snacks dataset 를 이용한다. * Transfer learning with SqueezeNet cells 들을 하나 하나 수행한다. 그 결과, 지난 단원과 비교해서 feature extraction 이 빠르다. Th..

Classification ML에서 해당 모델이 얼마나 잘 작동하는지 통계적으로 확인해 보는 방법. 이런 척도를 계산하는 공식, 분류 모델 성능 평가 지표 1. 정확도 Accuracy Accuracy = ( TP + TN ) / ( TP + FP + FN + TN) 2. 정밀도 Presicion Precision = TP / ( TP + FP ) 3. 재현율 Recall Recall = TP / ( TP + FN ) 4. Fall-out Fall out = 1 - Specificity = FP / ( TN + FP ) ♠ Precision 이란? - Precision : A를 A라고 잘 알아맞출 확률. ' 실제 A / A라고 생각 '한 비율 ♠Overfitting 이란? 일상생활 언어로 말하면, 너무 길..

챕터3의 이론은 다음 글에서 보다 자세히 다루고, 이번 글에서는 xCode와 ML을 이용한 예제에 대한 결과를 공유하고자 한다. * The dataset snacks 관련된 데이터 zip 파일을 다운받는다. * Create ML input에 train 데이터를 넣어 모델을 학습Train 시킨다. 이는 가장 기본적이고 간단한 형태로, 뒤이어 나올 예제에서는 이를 바탕으로 활용하고 다양한 옵션을 추가할 것이다. The window shows Activity: Step 1 is to extract features, and there's a progress bar to show how many images have been processed: Step 2 — training — a graph appears, d..

https://www.anaconda.com/products/individual#macos Individual Edition 🐍 Open Source Anaconda Individual Edition is the world’s most popular Python distribution platform with over 20 million users worldwide. You can trust in our long-term commitment to supporting the Anaconda open-source ecosystem, the platform of choice www.anaconda.com 위 공식 사이트에 들어가서 Download 클릭 후 저는 아래 Command Line Installer 를..

챕터 1,2의 원서 책을 읽으며 공부를 하고, 2단원씩 기준삼아 한번 다시 간락하게 되돌아보는 시간을 가지려고 합니다. ♣ 책에 있는 프로그램 코드, 프로젝트 다 돌려보기 ♣ ML에 대해 생각해보자. ML은 프로그램인가? CS를 전공하는 사람으로서 ML을 바라보고 생각하는 관점 ♣ ML을 사용하는 이유? 모든 상황과 경우의 수에 대해서 if문을 작성하고 예측할 순 없다. 사람이 모든 상황을 예측하고 이에 대한 프로그램의 대처법을 미리 지정하긴 어렵다. 이러한 경우에 machine learning을 통해서 컴퓨터가 예제를 통해서 문제 해결 규칙을 배우고 적용할 수 있게 한다. 이때, 정말 중요한 point는 왜 supervised learning을 사용하지 않고 unsupervised learning을 사..