bro's coding

import keras from keras.datasets import mnist (X_train,y_train),(X_test,y_test)=mnist.load_data() # 데이터 전처리 X_train=X_train.reshape(-1,28*28)/255. X_test=X_test.reshape(-1,28*28)/255. y_train=np.eye(10)[y_train] y_test=np.eye(10)[y_test] model=Sequential() model.add(Dense(1,input_shape=(28,28),activation='sigmoid')) from keras.optimizers import SGD model.compile(loss='binary_crossentropy',optimi..

from keras.datasets import mnist (X_train,y_train),(X_test,y_test)=mnist.load_data() # 전처리(option) X_train=X_train.reshape(-1,28*28)/255. X_test=X_test.reshape(-1,28*28)/255. y_train=np.eye(10)[y_train] y_test=np.eye(10)[y_test]

런타임 > 런타임 유형 변경 > 하드웨어 가속기 > GPU

'''로컬 파일 시스템의 파일 업로드 files.upload는 업로드된 파일의 사전을 반환합니다. 사전은 업로드된 파일 이름에 따라 키가 지정되며, 값은 업로드된 데이터를 표시합니다.''' from google.colab import files uploaded = files.upload() for fn in uploaded.keys(): print('User uploaded file "{name}" with length {length} bytes'.format( name=fn, length=len(uploaded[fn]))) '''로컬 파일 시스템으로 파일 다운로드 files.download는 파일의 브라우저 다운로드를 로컬 컴퓨터로 호출합니다.''' from google.colab import file..

https://colab.research.google.com/ Google Colaboratory colab.research.google.com

# 3 X 1080 X 1920 -> 1080 X 1920 X 3(moveaxis) X_train=np.moveaxis(X_train.reshape(-1,3,32,32),1,-1)

import numpy as np import keras from keras.models import Sequential from keras.layers import Dense # data 준비 X = iris.data[:100] y = iris.target[:100] model=Sequential() model.add(Dense(1,input_shape=(4,),activation='sigmoid')) from keras.optimizers import SGD model.compile(loss='binary_crossentropy',optimizer=SGD(lr=0.1),metrics=['acc']) # metrics=['acc'] : 화면 출력 할 때 정확도도 출력해라!(history에서 확인 가능)..

import numpy as np import keras from keras.models import Sequential from keras.layers import Dense # 분류 # data 준비 X=np.array([[0,0],[0,2],[2,0]]) # X 는 반드시 2차원 y=np.array([0,1,1]) plt.scatter(X[:,0],X[:,1],c=y,s=100) model=Sequential() model.add(Dense(1,input_shape=(2,),activation='sigmoid')) from keras.optimizers import SGD model.compile(loss='binary_crossentropy',optimizer=SGD(lr=0.1),metrics=..

import numpy as np import keras from keras.models import Sequential from keras.layers import Dense # iris에 적용(값 예측) # data 준비 from sklearn.datasets import load_iris iris=load_iris() X=iris.data[:,:3] y=iris.data[:,3] model=Sequential() model.add(Dense(1,input_shape=(3,),activation='linear')) model.compile(loss='mse',optimizer='sgd') model.fit(X,y,epochs=1000) ws=model.get_weights() ws [array([[-..

import numpy as np import keras from keras.models import Sequential from keras.layers import Dense x=np.array([1,2,3]) y=np.array([3,5,9]) model =Sequential() model.add(Dense(1,input_shape=(1,),activation='linear')) # 1 : 중간층 없음 # input_shape=(1,) : 속성 갯수 # activation='linear') : 활성 함수 #학습률 지정안함 #가중치 초기화 안함 model.compile(loss='mse',optimizer='sgd') # loss='mse' : 비용함수 # optimizer='sgd' : 옵티마이져 m..