hyeonae

리눅스 파일 생성하기 1) touch 파일을 건드려 수정/접근 시간을 변경하고 싶거나, 빈 파일을 생성하고 싶을 때 사용한다. touch [파일명] 2) gedit gedit 텍스트 편집기를 실행해 파일을 생성한다. gedit [파일명] 3) cat 파일의 내용을 출력한다. > 를 이용해 입력한 내용을 파일 속에 저장할 수 있다. (파일이 없는 경우에는 새로운 파일이 생성됨) 모든 입력을 끝내고 종료하고 싶을 때에는 Ctrl + D 를 누른다. cat [파일명] cat > [파일명]

1. 버추얼박스 버전 업데이트하고 2. 삭제 & 재설치하고 3. 인터넷 오만거 다 뒤져서 따라해도.. 없어졌다 싶으면 며칠 뒤 또 나타나는 버추얼박스 오류 .. ^^ ​ https://blog.naver.com/gmlwo308/222104736098 virtualbox 0x80004005 오류 #virtualbox #docker #0x80004005 #버츄얼박스 #버추얼박스 #쿠케캬캬 #도커 #dockertoolbox #window windo... blog.naver.com 위 링크의 블로그 내용을 따라서 교보 e북이랑 같이 설치되는 Fasoo DRM 프로그램을 제거해봤다. 삭제하고 재부팅하면 끝!

심층 신경망 입력층(784개): 입력 데이터의 개수와 동일함 은닉층(100개): 정해진 개수는 없지만, 최소한 출력층의 개수보다 커야 손실이 발생하지 않음 출력층(10개): 클래스의 개수와 동일함 먼저 이전 챕터와 동일하게 패션 MNIST 데이터셋을 준비한다. 텐서플로우 객체 생성 import tensorflow as tf tf.keras.utils.set_random_seed(42) tf.config.experimental.enable_op_determinism() 훈련 데이터셋과 테스트 데이터셋 준비 from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnis..

인공 신경망 패션 MNIST MNIST: 사이킷런에서 기본적으로 제공되는 데이터셋으로, 0~9개의 클래스와 28*28 크기의 흑백 데이터 6만개 패션 MNIST의 경우에는 10개의 클래스가 존재한다. # keras 모듈 사용 - load_data() from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() 실제로 출력해보면 이미지의 크기가 28 * 28 이다. print(train_input.shape, train_target.shape) # 결과 (60000, 28, 28) (60000,) print(test_input.shape, t..

주성분 분석 차원 축소 이미지 데이터는 크기가 너무 크기 때문에 디스크를 최적화하기 위해 결과에 영향을 미치지 않을 정도로 이미지의 차원을 축소해야 한다. PCA 클래스 PCA 알고리즘: 데이터의 분포를 가장 잘 나타내는 주성분(선)을 이용하는 알고리즘 주성분은 여러 개가 존재할 수도 있다. 차원 축소를 통해 주성분의 개수를 줄일 수 있다. 주성분은 기존 주성분의 수직 방향으로 차례대로 찾는다. 데이터 준비하기 !wget https://bit.ly/fruits_300_data -O fruits_300.npy import numpy as np fruits = np.load('fruits_300.npy') fruits_2d = fruits.reshape(-1, 100*100) PCA 클래스를 이용해 먼저 5..

그렇다면 타깃 데이터를 알지 못해도 머신러닝은 자동으로 같은 과일들을 분류할 수 있을까요? 개념 알고 가기 클러스터링 = 군집 알고리즘 클러스터 = 덩어리, 모음 K-평균 1. k개의 중심점을 무작위로 잡고 가장 가까운 이미지끼리 묶어 군집을 형성한다. 2. 군집 내부의 평균을 다시 구해 중심점을 평균점으로 옮긴다. 3. 옮긴 중심점을 기준으로 다시 가장 가까운 이미지끼리 묶어 군집을 형성한다. 4. 위의 과정을 더이상 군집에 변경이 없을 때까지 반복한다. KMeans 클래스 챕터 1과 동일하게 과일 사진 데이터를 준비해보자. !wget https://bit.ly/fruits_300_data -O fruits_300.npy import numpy as np fruits = np.load('fruits_3..