No regret Just Lesson

netron netron github에서 각자의 OS에 맞게 다운 받아 설치하면 됩니다. model 을 학습시키면 보통 결과를 .h5 확장자로 저장합니다. netron은 .h5를 시각화 해주는 툴입니다. 링크에서 샘플을 실습해 볼 수 있도록 샘플이 올려져 있으니 참고하시면 됩니다. netron을 실행한 후 .h5 모델을 불러오거나 시각화 하고 싶은 .h5 파일을 실행하면 다음과 같이 결과를 볼 수 있습니다. Ref - 케라스 모델 시각화 https://gaussian37.github.io/dl-keras-%EC%BC%80%EB%9D%BC%EC%8A%A4-%EB%AA%A8%EB%8D%B8-%EC%8B%9C%EA%B0%81%ED%99%94/

Keras 소개 및 가이드 https://www.tensorflow.org/guide/keras 소개 tf.keras는 텐서 플로의 딥러닝 모델 설계와 훈련을 위한 고수준(high-level) API입니다. 빠른 프로토타이핑, 최첨단 기술의 연구 및 생산에 사용되며, 세 가지 주요 이점이 있습니다 사용자 친화적 일반 사용 사례에 최적화된 간단하고 일관적인 인터페이스를 제공한다 사용자 오류에 대해 명확하고 실용적인 피드백을 제공한다 모듈화 및 구성 가능성 케라스 모델은 구성 요소의 설정에 의해 연결되는 식으로 거의 제한 없이 만들 수 있다. 쉬운 확장 연구를 위한 새로운 아이디어를 표현하기 위해 사용자 정의 설계 블록을 작성한다. 새로운 층(layers), 지표(metrics), 손실 함수를 생성하고 최첨..

기초적인 분류 문제(Fashion MNIST) Licensed under the Apache License, Version 2.0 (the "License") MIT License https://www.tensorflow.org/tutorials/keras/classification 1. 개요 이 튜토리얼에서는 운동화나 셔츠 같은 옷 이미지를 분류하는 신경망 모델을 훈련합니다. 텐서플로 모델을 만들고 훈련할 수 있는 고수준 API인 tf.keras를 사용합니다. 2. 필요한 패키지 try: # Colab only %tensorflow_version 2.x except Exception: pass from __future__ import absolute_import, division, print_funct..

케라스를 사용한 분산 훈련 Licensed under the Apache License, Version 2.0 (the "License") MIT License https://www.tensorflow.org/tutorials/distribute/keras 1. 개요 tf.distribute.Strategy API는 훈련을 여러 처리 장치들로 분산시키는 것을 추상화한 것이다 기존의 모델이나 훈련 코드를 조금만 바꾸어 분산 훈련을 할 수 있게 하는 것이 목표이다 이 튜토리얼에서는 tf.distribute.MirroredStrategy를 사용합니다. 이 전략은 모델의 모든 변수를 각 프로세서에 복사합니다. 그리고 각 프로세서의 그래디언트를 All-Reduce를 사용하여 모읍니다. 그다음 모아서 계산한 값을 ..

시계열 예측(Time Series Forecasting) Licensed under the Apache License, Version 2.0 (the "License") MIT License https://www.tensorflow.org/tutorials/structured_data/time_series RNN(Recurrent Neural Networks)을 사용한 시계열 예측에 대한 소개이다 먼저 Univariate 시계열 값을 예측하고 이후 Multivariate 시계열 값을 예측할것입니다 Univariate : 하나의 특성을 사용, Multivariate : 여러개의 특성 사용 from __future__ import absolute_import, division, print_function, ..

tf.data API로 성능 향상하기 Licensed under the Apache License, Version 2.0 (the "License") MIT License https://www.tensorflow.org/guide/data_performance#%EC%B6%94%EC%83%81%EC%A0%81_%EC%A0%91%EA%B7%BC 1. 개요 GPU와 TPU는 하나의 학습 단계를 실행하는데 필요한 시간을 급격하게 줄일 수 있다 최대 성능을 위해서는 현재 단계가 종료 되기 전에 다음 스텝의 데이터를 운반하는 효율적인 입력 파이프라인이 필요하다 tf.data API는 유연하고 효율적인 입력 파이프라인을 만드는데 도움이 된다 이 문서는 고성능 텐서플로 입력 파이프라인을 만드는 방법과 tf.data ..