본문 바로가기

TensorFlow

[TensorFlow 기초강좌] Neural Network (3/3) [TensorFlow 기초강좌] Neural Network (3/3) 트레이닝 된 파라미터 저장하기, 저장한 파라미터 사용하기 [TensorFlow 기초강좌] Neural Network (2/3)에서 Hidden layer가 3개 인 Neural Network를 구성하고 갖고있는 데이터를 통해서 트레이닝을 하였습니다. 그리고 트레이닝 한 데이터가 알고 있는 결과와 비교해서 정확도가 얼마나 되는지도 확인했습니다. 이번 강좌에서는 이렇게 트레이닝한 파라미터들을 저장하고 이 파라미터들을 불러서 사용하는 방법을 연습해보겠습니다. 우선 practice4라는 파일을 만들어 지난번에 실습했던 코드를 똑같이 붙여넣겠습니다. import tensorflow as tf import pandas as pd input_dat.. 더보기
[2017. 6. 23] 인공지능 기반 금 값 예측 (최근 10일 정확도 70%) [2017. 6. 23] 인공지능 기반 금 값 예측 1. 어제(6월 22일 예측 결과)예측 : 하락 결과 : 45,887.13 -> 46,048.17 (0.35% 상승) 2. 지난 10일간 일치여부(70%) 날짜 6월 9일(금)6월 12일(월)6월 13일(화)6월 14일(수)6월 15일(목)6월 16일(금) 6월 19일(월) 6월 20일(화) 6월 21일(수) 6월 22일(목) 일치여부 일치 일치 일치 일치일치불일치 불일치 일치 일치불일치 3. 모델별 내일 금값 예측1) 예측모델A 코스닥 증감률 코스피 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1.02456498) 2) 예측모델B 코스피 증감률 코스닥 증감률 주요국 환율의 증감률 콜금리 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(0.99502188) 3) .. 더보기
[TensorFlow 기초강좌] Neural Network (2/3) [TensorFlow 기초강좌] Neural Network (2/3) Neural Net 구성하고 학습하기 [TensorFlow 기초강좌] Neural Network (1/3)에서 pandas를 이용하여 csv파일을 불러왔습니다. 이번에는 이 데이터를 이용하여 Neural Net을 구성해보고 이것을 이용하여 학습을 하는 과정까지 진행해보도록 하겠습니다. 지금 구성하려고 하는 Neural Net은 아래와 같습니다. 입력 데이터는 2가지 종류이고 3개의 hidden layer를 거쳐 2개의 라벨형태의 결과를 얻습니다. 각 레이어의 노드들은 각각 4개, 5개, 4개 입니다. 물론 실용성으로 따지면 2가지의 데이터를 가지고 2개를 구분하기에는 상당히 비경제적인 구조입니다.하지만 하나의 구조를 만들어 두면 파라미.. 더보기
TensorFlow 기본 사용법 IV (API 활용법) TensorFlow 기본 사용법 IV API 활용법 "TensorFlow 기본 사용법 I(jupyter notebook 열기)", "TensorFlow 기본 사용법 II (행렬 곱하기)"에 이어 "TensorFlow 기본 사용법 III (간단한 학습)"에서 두 개의 데이터 만으로 간단한 모델을 만들어 학습하는 방법을 살펴 보았습니다. 이렇게 간단한 모델을 만들기까지 tf.matmul, tf.placeholder 등 여러가지 명령어 들을 사용했습니다. 이렇게 TensorFlow에서 사용할 수 있는 명령어들을 모두 정리해 두고 찾아볼 수 있는 곳이 있습니다. 이렇게 정리를 해둔 것을 API라고 부릅니다. 텐서플로우 공식홈페이지 "www.tensorflow.org"에 접속하시면 상단에 API r(버전)라는 링.. 더보기
TensorFlow 기본 사용법 III (간단한 학습) TensorFlow 기본 사용법 III 간단한 학습으로 X행렬 구하기 "TensorFlow 기본 사용법 II (행렬 곱하기)"에서 행렬 곱셈을 실습해 보았고 이것이 왜 필요한지에 대해 대략적으로 소개했습니다. 잠깐 지난 강좌의 예시를 살펴보겠습니다. 물체 A : 2m, 1kg 물체 B : 1m, 1kg A와 B를 구분하는 행렬 찾기 물체 A = [2, 1] 물체 B = [1, 1] X = [[1, -1], [-1, 2]] 1이 맞는 것 0이 아닌 것이라고 가정하면 아래와 같이 곱하기로 어떤 물체인지 행렬임을 알 수 있습니다. A * X = [ 1, 0 ] B * X = [ 0, 1 ] 이것을 뉴럴넷의 모양으로 나타내면 아래와 같습니다. 왼쪽의 동그라미 두 개는 A, B의 입력값에 해당하고 화살표들은 이를.. 더보기
TensorFlow 기본 사용법 II (행렬 곱하기) TensorFlow 기본 사용법 II 행렬 곱셈 "우분투에 Tensorflow 설치하기"에 이어 "TensorFlow 기본사용법 I (jupyter notebook)"에서 텐서플로우를 설치하고 jupyter라는 에디터를 열어서 텐서플로우를 불러오는 과정까지 해보았습니다. 이번에는 본격적으로 Neural Net을 만들기 위한 기본 단계인 행렬을 곱하는 방법에 대해서 살펴보겠습니다. 터미널 창(ctrl + alt + t)을 열어 jupyter notebook을 열어주시고 지난번에 만든 practice1파일을 열어주세요. $ jupyter notebook 행령의 곱셈이 기억이 안나시는 분들을 위해 간단하게 되짚어보겠습니다. 아래 식에서 보는 바와 같이 곱해지는 두 행렬 중 앞 행렬의 행과 뒤 행렬의 열을 곱해.. 더보기
Tensorflow 기본 사용법 I (jupyter notebook 열기) TensorFlow 기본 사용법 I (jupyter notebook 열기) 앞으로 TensorFlow를 이용해서 딥러닝을 활용해 볼 것 입니다. 그러기 위해서 사용하게 될 언어는 python입니다. 하지만 그전에 이 python이라는 언어를 입력하고 이 입력 받은 정보를 컴퓨터로 전달해줄 무언가가 필요합니다. 이것을 할 수 있는 많은 에디터들이 있지만 이중에서 Jupyter라는 웹 애플리케이션을 사용하겠습니다. 이전의 "우분투에 Tensorflow 설치하기"를 통해서 TensorFlow를 설치하셨다면 Anaconda를 설치하면서 이미 프로그램이 설치되어 있습니다. 만약 그렇지 않다면 아래의 명령어를 통해서 설치를 해주세요. Python 2 $ pip install jupyter Python 3 $ pip.. 더보기
우분투에 TensorFlow 설치하기 우분투에 TensorFlow 설치하기 (Anaconda) 딥러닝을 시작하기 위해 우선 딥러닝을 할 수 있도록 만들어둔 도구가 필요한데요. Tensorflow, Caffe, Theano 등 여러가지 프레임이 있습니다. 이 중 여기서는 TensorFlow를 설치해보겠습니다. 사진 출처 : Stanford CS231n lecture 12 p.145 이미지 관련 딥러닝의 교과서로 역할을 하고 있는 스탠포드의 강의 CS231n 강의에서 소개했던 4가지 도구입니다. 자료는 년2015년 강의자료에서 가져왔습니다. 당시만 해도 Tensorflow에 pretrained 자료들이 많이 없었는데 이 부분도 많이 개선되었다고 하네요. 무엇보다 구글에서 개발을 하고 관리를 하고 있기 때문에 이미 학교 뿐만 아니라 인더스트리에서.. 더보기

티스토리툴바