괴물 클럽

MNIST 손글씨 분류 프로젝트: U-Net에서 현대적 CNN으로 전환 이 프로젝트는 원래 U-Net 아키텍처를 사용하여 MNIST 손글씨를 분류하는 실험적인 코드에서 시작되었습니다. U-Net은 이미지 분할(Image Segmentation) 작업에 특화된 모델임에도 불구하고 분류(Classification) 문제에 적용되어 구조적 비효율성을 내포하고 있었습니다. 본 문서는 이 기존 프로젝트를 현대 ...

회귀(Regression)는 가격이나 확률과 같은 연속적인 수치 값을 예측하는 머신러닝의 핵심 기술 중 하나입니다. 이번 글에서는 TensorFlow와 Keras를 활용하여 자동차의 연비(MPG)를 예측하는 기본적인 회귀 모델 구축 과정을 살펴보겠습니다. 1. 데이터 준비 및 전처리 모델의 성능은 데이터의 품질에 좌우됩니다. 자동차 연비 데이터셋(Auto MPG Dataset)을 활용하여 데 ...

1. 문제 정의 및 목표 설정 경기장 내 등장하는 인원은 주로 두 팀(파란색, 하얀색)과 심판으로 구성되며, 이 중 골키퍼는 제외하고 분류 대상으로 삼는다. 본 작업의 목적은 영상에서 각 인물을 정확히 식별하여 2차원 시각화 패널에 표시하는 것이다. 분류 대상: 파란 팀 선수 하얀 팀 선수 심판 2. 학습 방식 선택 및 구현 전략 2.1 Keras 기반 ...

MNIST 데이터셋 로드 및 탐색 딥러닝을 활용한 이미지 분류의 기초를 다지기 위해, 손글씨 숫자를 인식하는 인공신경망을 구축해 보겠습니다. TensorFlow에 내장된 Keras API를 사용하면 복잡한 데이터 전처리와 모델 설계를 직관적으로 수행할 수 있습니다. 먼저 MNIST 데이터셋을 메모리에 적재하고 그 구조를 파악합니다. import tensorflow as tf from tensorflow.ker ...

1. 모델 및 레이어 구축 이 가이드에서는 Keras의 Subclassing API를 활용하여 모델을 설계합니다. tf.keras.Model 클래스를 상속받아 새로운 모델을 정의하고, 학습 및 평가 과정을 수동으로 구현하는 방식을 사용합니다. 이 방법은 유연성이 높으며 PyTorch, Chainer 등 다른 딥러닝 프레임워크와도 유사한 패턴을 공유합니다. 1.1 기본 모델 구조 class CustomModel( ...

프로젝트 구조 및 개요 keras-text-summarization/ ├── data/ │ ├── small_vocab_en.txt │ └── small_vocab_fr.txt ├── models/ │ ├── seq2seq.py │ └── seq2seq_utils.py ├── notebooks/ │ └── seq2seq_summarization.ipynb ├── utils/ │ └── data_utils.py ├── config.json ├── LICENSE ├── README.md ├── requirements.txt └── setup.py 디렉터리 구성 ...

딥러닝 모델을 구축할 때 가장 중요한 단계는 알고리즘 설계뿐만 아니라 데이터 전처리와 모델 컴파일입니다. 이 과정은 입력 데이터를 신경망이 이해할 수 있는 형태로 변환하고, 모델을 실제로 실행 가능한 코드로 변환하는 역할을 합니다. 본 문서에서는 Keras 라이브러리를 사용하여 MNIST 손글씨 숫자 데이터셋을 처리하고 모델을 만드는 방법을 설명합니다. 데이터 ...