Deeplearning

기온 예측 문제fname = os.path.join("jena_climate_2009_2016.csv"):fname 변수에 "jena_climate_2009_2016.csv" 파일의 경로를 저장합니다. os.path.join() 함수를 사용하여 현재 작업 디렉토리와 파

다양한 워크플로Sequential 모델 , Dense층에 익숙해졌고 훈련,평가, 추론을 위해 내장된 compile(),fit(),evaluate(),predict() api를 사용해보았다.Sequential 모델 가장 시작하기 쉬운 api 이다 . 기본적으로 하나의 파

6장 - 일반적인 머신 러닝 워크플로데이터 준비데이터 전처리 목적 : 주어진 원본 데이터를 신경망에 적용하기 쉽도록 만드는 것벡터화 , 2. 정규화 , 3. 누락된 값 다루기 등 \-> 신경망에서 모든 입력과 타깃은 일반적으로 부동 소수점 데이터로 이루어진 텐서여야 한

해당 코드는 TensorFlow 라이브러리의 Keras API를 사용하여 MNIST 데이터 세트를 다운로드하고 로드하는 코드코드의 첫 번째 줄에서는 mnist 모듈에서 load_data() 함수를 가져와서 MNIST 데이터 세트를 다운로드하고 로드데이터 세트에는 60,

텍스트를 위한 딥러닝 1. 텍스트 표준화 2. 텍스트 분할 3. 어휘 인덱싱 TextVectorization층 사용하기 -> 주어진 데이터셋을 기반으로 단어 집합을 생성하고 , 텍스트를 인코딩하거나 디코딩하는 기능 제공 standardize(self, text)