My storage My storage

1. python from keras import models from keras import layers model = models.Sequential() model.add(layers.Conv2D(32,(3,3), activation='relu', input_shape=(28,28,1))) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(32,(3,3), activation='relu')) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(32,(3,3), activation='relu')) model.add(layers.MaxPooling2D((2,2))) sequential ..

1. python from keras.datasets import boston_housing (train_data, train_labels),(test_data, test_labels) = boston_housing.load_data() 보스턴 집값데이터셋을 불로오고 데이터를 구분한다. print(train_data.shape) print(test_data.shape) (404, 13) (102, 13) 데이터의 모양을 확인하면 13개의 특성을 가지고 있다. 개수가 404개, 102개로 작은 편이다. print(train_data[0]) [ 1.23247 0. 8.14 0. 0.538 6.142 91.7 3.9769 4. 307. 21. 396.9 18.72 ] 데이터의 값이 들쑥날쑥하기 때문에 정규화가..

1. 파이썬 from keras.datasets import reuters (train_data, train_labels),(test_data, test_labels) = reuters.load_data(num_words=10000) 로이터 데이터셋에서 가장 자주 등장하는 단어 10000개를 불러오고 훈련데이터와 테스트 데이터로 나눈다. print(train_data.shape) print(test_data.shape) (8982,) (2246,) 데이터의 모양을 확인한다. import numpy as np def vectorize_sequences(sequences, dimension=10000): results = np.zeros((len(sequences), dimension)) for i, seq..

1. python from keras.datasets import imdb (train_data,train_labels),(test_data,test_labels) = imdb.load_data(num_words=10000) 케라스에 있는 imdb 데이터셋을 불러온다. train_data.shape (25000,) train_labels[0:5] array([1, 0, 0, 1, 0]) max([max(sequence) for sequence in train_data]) 9999 데이터가 두 가지로 나뉘어 있고 25000개의 훈련 데이터를 가지고 있다. import numpy as np def vectorize_sequences(sequences, dimension=10000): result = np.z..

1. python import keras keras.__version__ 2.12.0 케라스를 불러온다. from keras.datasets import mnist (train_images,train_labels),(test_images,test_labels) = mnist.load_data() train_images.shape (60000, 28, 28) test_images.shape (10000, 28, 28) 케라스에 내장된 손글씨 데이터인 mnist를 불러온다. import matplotlib.pyplot as plt digit = train_images[4] plt.imshow(digit, cmap=plt.cm.binary) 숫자[4]를 그릴 수 있다. from keras import mode..