모도리는 공부중

cnn은 차원이 고차원데이터가 되더라도 학습이 가능하다. 이유는 무얼까? cnn은 특징을 추출해주는 레이어이다. cnn을 붙여서 활용할 수 있는 데이터는 이미지에 국한되지 않는다. 글씨, 소리 등에도 해당이 된다. cnn과 복합적으로 많이 이용되는 RNN. 오늘은 이것에 대해 배워보도록 한다. 순환 신경망에 대해 알 수 있다. RNN 의 활용분야를 알 수 있다. Keras를 활용해 순환 신경망을 구성할 수 있다. 위의 예시를 보면 알 수 있듯이 실제 문장을 만들기 위해서는 단어 관계 사이를 알고 진행을 해야 한다. 문장을 듣고 무엇을 의미하는지 알아야 서비스 제공이 가능하다. 문장을 듣고 이해한다는 것은 많은 문장을 이미 학습해 놓았다는 것이다. 문장의 의미를 전달하려면 각 단어가 정해진 순서대로 입력되..

개, 고양이, 말 이미지 인식 - 개, 고양이를 학습했던 모델을 그대로 활용 오늘 수업 실습에 앞서서 먼저 어제 진행했던 파일을 복제하여 사용한다. 복제하는 방법은 그림으로 첨부. 그리고 동물이미지를 구하기 위해 아래의 캐글 사이트를 접속한다. www.kaggle.com/alessiocorrado99/animals10 Animals-10 Animal pictures of 10 different categories taken from google images www.kaggle.com 폴더명이 이태리어로 되어있다보니 '말' 폴더명이 horse가 아니고 cavallo로 되어있다. 폴더를 찾아서 열면 다음과 같이 이름이 제각기(물론 규칙이 있겠지만)로 되어있으니 사용 편의성을 위해 파일을 전체선택(ctrl+A..

어제 수업에 이어서 진행. kr.smhrd.controller 패키지에 MemberRegisterController 클래스를 생성한다. package kr.smhrd.controller; import java.io.IOException; import javax.servlet.ServletException; import javax.servlet.http.HttpServletRequest; import javax.servlet.http.HttpServletResponse; public class MemberRegisterController implements Controller { @Override public String requestHandler(HttpServletRequest request, Http..

전이학습(Transfer Learning) 전이학습이란 다른 데이터 셋을 사용하여 이미 학습한 모델을 유사한 다른 데이터를 인식하는데 사용하는 기법이다. 이 방법은 특히 새로 훈련시킬 데이터가 충분히 확보되지 못한 경우에 학습 효율을 높여준다. 사전학습모델을 이용하는 방법은 특성 추출(feature extraction)방식과 미세조정(fine tuning) 방식이 있다. VCG16의 구조 : 컨볼루션층 13개, MaxPooling 5개, Fully Connected Layer 4개로 구성 최종적으로 특성 맵의 크기는 (4, 4, 512) 컨볼루션 베이스 - 특성 추출 방식 (Feature Extractor) ← 우린 이 방식을 주로 사용한다. 전결합층 분류기 (Classfier) 전이학습 - 특성추출 방..

개발자는 모르겠으면 구글링을 잘해서 내가 모르는 부분에 대해 공부하고 잘 호라용하는게 중요하다. 모른다? 찾아라. 인터넷에 답이 있다. 다들 그렇게 공부하면서 성장한 것이니 앞으로 모르는 개념이 나오면 꼭 검색하도록 하자. 데이터베이스에 부하를 줄이고 유동적으로 관리하는 것을 커넥션 풀이라고 부른다. 여러개의 커넥션을 모아놓은 것은 팩토리라고 부른다. jdbc에서는 connection이라고 불렀던 용어를 myBatis에서는 SqlSession이라고 부른다. session은 클라이언트와 서버간의 고유한 연결라인이다. 이것을 sql에서 가져다 쓰는 것인데 이제부터 우리가 배우는 것은 myBatis이므로 connection이라는 단어 대신 SqlSession이라는 단어를 사용할 것이다. InputStream은..

아래는 특허도 나온 것이라고 한다. 신경망 cnn구조 maxpooling flatten 학습 손글씨 데이터를 마무리짓고 개, 고양이로 넘어갑시다. 과대적합 방지 - Dropout 함수 활용 드롭아웃은 학습을 하는 동안에만 적용되고 학습이 종료된 후 예측을 하는 단계에서는 모든 유닛을 사용하여 예측한다. 노드가 많아지거나 층이 많아진다고 해서 학습이 무조건 좋아진다고 볼 수 없음 → 과적합 과적합을 해결하는 가장 좋은 방법 → Drop out (은닉층에 배치된 노드 중 일부를 사용하지 않게 하는 방법) from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout # Conv2D : 컨볼루션 연..

jstl 라이브러리를 사용하려면 jstl api를 다운받아 라이브러리에 넣고 을 상단에 작성하여 세팅을 마친다. MemberVO에 num이라는 int값을 추가하고 getter와 setter를 생성, km.smhrd.model폴더에 MemberDAO라는 인터페이스(Interface)를 생성한다. package kr.smhrd.model; import java.util.List; public interface MemberDAO { // CRUD public int memberInsert(MemberVO vo); public List memberList(); // list니까 vo타입으로 받아줘야겠죠? public int memeberUpdate(MemberVO vo); // 0이면 실패, 1이면 성공. tr..

CNN (Convolution Neural Network)의 구조 CNN( 합성곱 은 입력된 이미지에서 특징을 추출하기 위해 마스크 필터를 도입하는 방법 이미지 전체 영역에 대해 서로 동일한 연관성 중요도 로 처리하는 대신 특정 범위에 한정해 처리한다면 훨씬 효과적일 것이라는 아이디어 제시 Convolution 은 비전에서 주로 filter 연산을 뜻하며 이미지의 특징(feature)를 찾기 위해 filtering을 수행 CNN (Convolution Neural Network ) 과정 특성맵 feature map ) : 합성곱 계층의 입출력 데이터 특성맵은 평면을 구성하는 2차원로 구성 → 채널 흑백으로 코딩된 경우 흑백의 그레이 스케일만 나타내면 되므로 깊이는 1 입력신호가 RGB 신호로 코딩된 경우..

여러분이 지금까지 배운 MVC가 SPRING으로 변환되는 과정을 이해할겁니다. CONTROLLER가 어떻게 변환되느냐에 따라 달라진다. 데이터베이스도 어떻게 바꾸느냐도 공부해야하며 JSP도 JSTL과 EL을 사용할 줄도 알아야한다. 실제로는 방금 말한 3가지는 현업에서 사용하지 않는다. 10년 전 기술이지만 이 부분을 알아야 최신 기술(프레임워크)을 익힐 때 어렵지 않게 배울 수 있을 것이다. 그리고 제이쿼리와 AJAX도 사용할 줄 알아야한다. 여러분의 취업 확률은 모든 프로젝트의 기반기술인 웹이 가장 중요하므로 자바를 사용하는 회사로 가게 될 확률이 가장 높습니다. 지금까지 배운 웹단이 다 어려웠다고 하더라도 이 수업은 취업과 직결되는 부분이므로 꼭 집중해서 내것으로 만들기를 바랍니다. SPRING이 ..

저번 시간 정리.. # 퍼셉트론 1개로 구성된 신경망 # 넘파이 임포트 안했다면 해줄것 # (특성 데이터, 라벨 데이터, 반복수, 학습률) def fit_new(X, y, epochs, lr) : # (1) 파라미터 초기화(w,b) w = np.random.rand(1) b = np.random.rand(1) # epochs만큼 반복해서 학습 for i in range(epochs): # (3) 입력받는 X를 이용해서 y를 예측 (예측값y = pred_y) pred_y = w * X + b # (4) 오차 계산 (오차error = 실제값y - 예측값pred_y) error = y - pred_y print("반복수 : {}, 예측값 : {}, 오차 : {}".format(i, pred_y, error))..