Application programming
-
MNISTApplication programming/TensorFlow 2020. 6. 6. 15:32
import tensorflow as tf import matplotlib.pyplot as plt import random from tensorflow.examples.tutorials.mnist import input_data # Check out https://www.tensorflow.org/get_started/mnist/beginners for # more information about the mnist dataset # input_data 는 mnist 튜토리얼 자료 mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # 0부터 9까지의 숫자들이 결과로 나와야 하기 때문에 경우의 수는 10 nb_classes = 10 # MNIS..
-
Fancy Softmax classificationApplication programming/TensorFlow 2020. 6. 6. 15:32
import tensorflow as tf import numpy as np # Predicting animal type based on various features xy = np.loadtxt('data-04-zoo.csv', delimiter=',', dtype=np.float32) # 모든 행과 마지막 행을 뺀 2차원 배열이 x의 값 x_data = xy[:, 0:-1] # 모든 행과 마지막 행을 가진 배열이 y의 값 y_data = xy[:, [-1]] # y의 종류 갯수 (동물의 개채종 숫자) nb_classes = 7 # 0 ~ 6 # x의 속성값들. (다리의 갯수나 알을 낳는지 등등의 16개 속성값) X = tf.placeholder(tf.float32, [None, 16]) # y의 속성..
-
Softmax classificationApplication programming/TensorFlow 2020. 6. 6. 15:31
import tensorflow as tf import numpy as np # 로지스틱과는 달리 여러개의 label 를 갖는 multinomial classification 을 손쉽게 구현 할 수 있음 # 1과 0이 아닌 a b c중 선택지라면 로지스틱은 여러개의 biniary classification 이 필요하지만 softmax 는 로지스틱의 행렬들을 하나의 행렬로 결합하여 사용하기 때문에 변수 1개로 처리가 가능하다 xy = np.loadtxt('05train.txt', delimiter=',', dtype=np.float32) x_data = xy[:, 0:4] y_data = xy[:, 4:] # x의 데이터 갯수는 4개 X = tf.placeholder("float", [None, 4]) #..
-
Logistic RegressionApplication programming/TensorFlow 2020. 6. 6. 15:31
import tensorflow as tf # import os # os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 두 가지 분류를 활용할 수 있는 몇 가지 예제를 설명하고 있다. # 스팸 메일 탐지, 페이스북 피드 표시, 신용카드 부정 사용은 두 가지 값 중의 하나를 선택하게 된다. # 프로그래밍에서는 이 값을 boolean 이라고 부르지만, 여기서는 쉽게 1과 0으로 구분한다. 1은 spam, show, fraud 에 해당. # 1과 0에 특별한 값을 할당하도록 정해진 것은 아니다. 다만 찾고자 하는 것에 1을 붙이는 것이 일반적이다. x_data = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]] y_data = [[0], [0],..
-
Multi variable input & Load dataApplication programming/TensorFlow 2020. 6. 6. 15:30
import tensorflow as tf x_data = [[73., 80., 75.], [93., 88., 93.], [89., 91., 90.], [96., 98., 100.], [73., 66., 70.]] y_data = [[152.], [185.], [180.], [196.], [142.]] # x1 = tf.placeholder(tf.float32) # x2 = tf.placeholder(tf.float32) # x3 = tf.placeholder(tf.float32) # Y = tf.placeholder(tf.float32) # placeholders for a tensor that will be always fed. # 이번 예제에선 5개의 x 데이터 셋을 입력했지만 여기선 미지수 Non..