DataCook DataCook

https://github.com/Joonyeong97/Tensorflow-tutorial GitHub - Joonyeong97/Tensorflow-tutorial: GitHub Desktop tutorial repository GitHub Desktop tutorial repository. Contribute to Joonyeong97/Tensorflow-tutorial development by creating an account on GitHub. github.com git clone https://github.com/Joonyeong97/Tensorflow-tutorial.git

안녕하세요~ 요새 한창 코인에 빠져있어서 예전에 주가 예측한 코드를 조금 구체적으로 만들었습니다. 저번주부터 블로그에 올려야지 올려야지 하면서 미루기만 했네요 ㅋㅋㅋ;; 물론 그냥 추세를 보기 위함이고, 이걸로 투자를 하기에는 조금 부족하지 않나 싶지만, 코인 차트만 보기 심심해서 한 3~4일 정도 시간을 투자해서 만들었네요. Traing모드, 학습된 결과로 예측 그래프만 그리는 정도로 나눴습니다. 일부로 한개의 코인에 대한 시세만 반영하기 때문에 오버피팅을 목적으로 했습니다. 원래 같으면 오버피팅은 절대 하면 안되는 것이지만, 생각을 달리하고, 추세만 알기 위해서 일부로 오버피팅을 진행했습니다. 전체 코드는 깃허브에 올려놨습니다. github.com/Joonyeong97/Upbit_Coin_Predic..

전이학습(Transfer learning)을 이용한 학습 방법입니다. 라이브러리 import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.keras.layers import * from tensorflow.keras.models import Model,Sequential import zipfile import gdown google drive에서 데이터 다운로드 google_path = 'https://drive.google.com/uc?id=' file_id = '1Of_X6StezV0vwE0WrQ7MNbIFjITkW4dJ' output_name = 'animals_images.zip' gdown.download(gdrive_url..

2년전 캐글에 공유된 소스를 변경하여 작성하였습니다. 출처: www.kaggle.com/arcisad/keras-bidirectional-lstm-self-attention?select=train.csv Keras Bidirectional LSTM + Self-Attention Explore and run machine learning code with Kaggle Notebooks | Using data from multiple data sources www.kaggle.com Data set: www.kaggle.com/c/jigsaw-unintended-bias-in-toxicity-classification/data?select=test.csv Jigsaw Unintended Bias in Tox..

keras data set 이용하기 IMDB 영화리뷰 데이터입니다. import numpy as np from tensorflow.keras.datasets import imdb from tensorflow.keras.models import Sequential,load_model from tensorflow.keras.layers import Dense,Dropout,LSTM, Embedding,Flatten from tensorflow.keras.preprocessing import sequence from tensorflow.keras.callbacks import ModelCheckpoint import nltk from nltk.corpus import stopwords nltk.download..

간단한 예제를 이용해서 keras를 이용해서 LSTM을 사용해보겠습니다. 실제 데이터를 적용하기 앞서서 개념을 잡기 위해서 간단한 예제를 들고 가겠습니다. 영단어로 이뤄졌고, 라벨링도 적용을 해놓았습니다. 자연어 처리의 실제 순서는 Data load -> 불용어처리 -> Word Tokenizing -> OneHotEncoding -> pad sequences -> Model create -> Model compile -> Model fit -> Model predict 입니다. 여기서는 불용어처리와 Word Tokenizing을 제외하고 진행했습니다. 이미 만들어진 데이터셋으로 진행을 하고서, 다음 작성글에는 Kaggle에서 제공하는 데이터셋을 이용해서 처음부터 끝까지 진행을 하면서 Self atten..

전이 (transfer learning) 학습 Application - 반지도학습( 일부데이터의 레이블이 없음 ) - KNN, Trenductive SVM - 가중치 활용 : 그대로 적용 - 가중치 중 일부만 활용 - FFNN 부분만 학습해서 사용 pre-trained , fine-tuning (FFNN 부분만 Domain Knowledge) => 가중치는 그대로 from tensorflow.keras.preprocessing.image import load_img from tensorflow.keras.preprocessing.image import img_to_array from tensorflow.keras.applications.imagenet_utils import decode_predictio..

Keras를 이용해서 이미지 data를 학습하고 검증하는 방법을 소개합니다. Mnist Data set %matplotlib inline import matplotlib.pyplot as plt from tensorflow import keras from tensorflow.keras.datasets import mnist from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout, Flatten from tensorflow.keras.layers import Conv2D, MaxPooling2D keras에서 제공하는 데이터셋을 이용할 예정이고, 이전글에서 학습했던 Sequential을 ..