개발새발코딩

/tmp 컬럼에, 2000개의 이미지를 다운로드 받아서 저장합니다. !wget --no-check-certificate \ https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip \ -O /tmp/cats_and_dogs_filtered.zip 압축풀기 import tensorflow as tf import os #압축풀기 import zipfile filename = '/tmp/cats_and_dogs_filtered.zip' zip_ref = zipfile.ZipFile(filename,mode='r') zip_ref.extractall('/tmp/cats_and_dogs_filtered') zip_ref.close() 데이터..

이미지 파일 다운로드 말, 사람을 분류하기 위한 사진 파일 다운로드하기 !wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/horse-or-human.zip \ -O /tmp/horse-or-human.zip 확인용 ! wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/validation-horse-or-human.zip \ -O /tmp/validation-horse-or-human.zip 압축풀기 import os import zipfile filename = '/tm..

필요한 라이브러리 import import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Flatten,Conv2D,MaxPooling2D from tensorflow.keras.datasets import mnist import matplotlib.pyplot as plt (X_train,y_train),(X_test,y_test) = mnist.load_data() 이미지는 원래 컬러 이미지이므로, 1개의 이미지는 3차원 입니다. 따라서 이미지 처리를 CNN을 구성할때는, 전체 데이터셋은 4차원으로 구성해야합니다. X_train=X_train.reshape(..

필요한 라이브러리 import import pandas as pd import numpy as np import matplotlib.pyplot as plt 구글 드라이브 마운트 from google.colab import drive drive.mount('/content/drive') csv파일 읽기 import os # Working Direcctory Setting 워킹 디렉토리 세팅 os.chdir('/content/drive/csv파일 있는 위치') df = pd.read_csv('auto-mpg.csv') df 1. 빈데이터 확인 df.isna().sum() 2. 빈데이터 삭제 df=df.dropna() 3. X, y 설정 X=df.iloc[:,1:] y=df['MPG'] 4. 카테고리컬 데이..

필요한 라이브러이 import import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns %matplotlib inline 구글 드라이브 마운트 from google.colab import drive drive.mount('/content/drive') csv파일 읽기 import os # Working Direcctory Setting 워킹 디렉토리 세팅 os.chdir('/content/drive/csv파일 있는 위치') df = pd.read_csv('Churn_Modelling.csv') df 1. 비어있는 데이터 확인합니다. df.isna().sum() 2. X와 y 설정합니다. X=df...

https://dbfoot.tistory.com/170 머신러닝을 이용한 자동차 구매 가격 예측과 joblib이용해 모델 저장하기 다음과 같은 컬럼을 가지고 있는 데이터셋을 읽어서, 어떠한 고객이 있을때, 그 고객이 얼마정도의 차를 구매할 수 있을지를 예측하여, 그 사람에게 맞는 자동차를 보여주려 합니다. 컬럼 : Custom dbfoot.tistory.com 여기서 이어집니다. 필요한 라이브러리를 import합니다. import tensorflow.keras from keras.models import Sequential from keras.layers import Dense from sklearn.preprocessing import MinMaxScaler import tensorflow as tf ..

1. 이미지와 행렬 모든 이미지 사진은 픽셀당 숫자로 되어있습니다. 0~255까지 되어있고 0이 검정색, 255가 흰색입니다. 그 숫자의 데이터 타입은 Uint8(Unsigned int) 이라고 적습니다. 먼저 검정부터 회색 , 흰색으로만 되어있는데 그걸 그레이 스케일이라고 합니다. (gray image) 컬러 이미지는 RGB 3개를 사용하고, colored Image 라고 합니다. 컬러 이미지를 그레이 스케일로 바꿔서 사용합니다. (컴퓨터가 특징을 잘잡기 때문) 2. 인공지능 학습에 필요한 데이터 가져오기 밑에서 할 코딩은 https://github.com/zalandoresearch/fashion-mnist#labels 를 사용합니다. import tensorflow as tf print(tf.__v..