autoencoder2 Convolutional : Autoencoder / Neural Network 오토인코더에 대한 대략적인 설명은 지난 게시물에 있으므로 생략 Convolutional Model이 일반적으로 더 나은 성능을 보임 # 이미지 표시해줄 함수 선언 def show_imgs(up,down, size): plt.style.use('fivethirtyeight') plt.figure(figsize=(30,6)) plt.gray() n_img=10 for i in range(n_img): plt.subplot(2,n_img,i+1) plt.imshow(np.reshape(up[i], (size,size))) plt.axis('off') plt.subplot(2,n_img, n_img+i+1) plt.imshow(np.reshape(down[i], (size,size))) plt.axis('off.. 2021. 7. 29. AutoEncoder 오토인코더 Unsupervised Learning중 하나로 주로 데이터의 특징을 발견하는 것이 목표인 학습 방법. 오토인코더는 Input Layer와 Output Layer의 노드 수가 동일한 구조. 인풋 값을 특정 N Factor로 압축 후 이를 다시 잘 복원하도록 학습시킴. 압축 된 부분을 차원축소된 feature로 활용할 수 있음. -> 이를 Classifier의 인풋으로 사용해 더 나은 성능을 기대할 수 있음. MNIST 데이터 로드 및 train/test split import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from sklearn.datasets import fetch_openml from sklearn... 2021. 7. 28. 이전 1 다음
