728x90 반응형 PROGRAMING📚/BigData📑8 파이참(pycham) tenserflow. 에러 / 명령어로 설치 하기 파이참(pycham) tenserflow. 에러 / 명령어로 설치 하기 콘솔창에서 다음 명령어 입력하기 pip3 install tensorflow . keras 설치하기keras에 마우스를 올리면 빨간 전구가 나온다. 전구를 클릭하면 다음과 같이 패키지 설치하기가 나오고 클릭만 해주면 설치를 해줌 설치후에도 빨간줄이 떠있으면프로그램을 한번닫고 실행하니 문제 없이 실행이 되었다 https://medium.com/@tlsrid1119/urllib3-v2-0-only-supports-openssl-1-1-1-%EC%97%90%EB%9F%AC-%ED%95%B4%EA%B2%B0-c750d17bf3a6 urllib3 v2.0 only supports OpenSSL 1.1.1+ 에러 해결Intromedium... 2024. 12. 17. CIFAR-10 데이터셋을 PyTorch에서 불러와 이미지 샘플을 시각화 필요한 라이브러리 및 패키지 임포트from idlelib.configdialog import tracersimport numpy as npimport matplotlib.pyplot as pltfrom time import timeimport torchfrom sympy.matrices.expressions.kronecker import rulesfrom torch import nnimport torchvisionimport torchvision.transforms as transformsfrom torchvision.datasets import CIFAR10from torch.utils.data import DataLoaderfrom torchsummary import summarynumpy, matp.. 2024. 10. 1. DNN 을 사용해서 심장병 질환 예측 분석하기 파이토치(PyTorch)를 사용하여 인공 신경망(Deep Neural Network, DNN)을 구현하고,심장병 데이터셋으로 모델을 학습한 후 평가하는 내용Heart Disease Predictionshttps://www.kaggle.com/code/desalegngeb/heart-disease-predictionsheart.csvscikit-learn 설치seaborn 설치필요한 라이브러리 및 설정import pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom time import timeimport torchfrom torch import nnfrom sklearn.model_selection import train_test_sp.. 2024. 9. 29. PyTorch를 사용하여 DNN(Deep Neural Network)을 구축하고, MNIST 데이터셋을 이용해 학습 및 평가 이 코드는 PyTorch를 사용하여 DNN(Deep Neural Network)을 구축하고, MNIST 데이터셋을 이용해 학습 및 평가하는 과정을 포함하고 있습니다. 주요 단계와 코드 설명은 다음과 같습니다.인공 신경망 생성 및 순방향 계산hello = torch.nn.Linear(5,3)data = torch.randn(2,5)print(data)print(hello(data))torch.nn.Linear(5,3): 입력 뉴런 5개, 출력 뉴런 3개로 구성된 선형 레이어를 정의합니다. 이 레이어는 입력에 가중치(weight)와 편향(bias)를 곱해 선형 변환을 적용합니다.torch.randn(2,5): 2x5의 임의의 값을 가진 입력 데이터를 생성합니다. 이는 2개의 5차원 벡터로 이루어진 배치입니다.. 2024. 9. 29. DNN 알고리즘 DNN(Deep Neural Network, 심층 신경망) 알고리즘은 인공신경망(Artificial Neural Network, ANN)의 확장 버전으로, 여러 개의 은닉층(hidden layer)을 통해 더 복잡한 패턴과 관계를 학습할 수 있는 알고리즘입니다. DNN은 머신러닝 중 딥러닝(deep learning)에 속하며, 대규모 데이터셋에서 강력한 성능을 보입니다.주요 특징다층 구조: DNN은 입력층(input layer), 여러 개의 은닉층(hidden layer), 출력층(output layer)으로 구성됩니다. 은닉층의 수가 많아질수록 '심층'이라는 의미를 지니게 됩니다.비선형성: 각 뉴런은 활성화 함수(Activation Function)를 사용하여 비선형적인 관계를 학습합니다. 대표적인 활.. 2024. 9. 29. 인공지능 - torch 머신러닝케라스 : 학습, 연구용텐서플로 : 기업용 서비스파이토치 : 기계 학습용 무료C:/workspace/anaconda3/condabin/conda.batconda.bat 경로 찾아서 Load Environment 해줌 다음과 같이 뜨면 + 버튼을 눌러서 pytorch package 를 설치해줌install package 해주고 패키지가 설치가 될 때 까지 기다림왼쪽 아래에서도 파이썬 패키지 설치 가능간단한 인공 신경망, 순방향 계산만 처리입력 뉴런 : 5개 , 출력 뉴런: 3개, 15개의 시냅스를 가지고 있는 인공 신경망을 생성import torchfrom PIL.Image import Transform# 간단한 인공 신경망, 순방향 계산만 처리# 입력 뉴런: 5개, 출력 뉴런: 3개, 15개의 시.. 2024. 9. 29. 인공지능(AI) 인공지능(Artificial Intelligence, AI)*은 인간의 지능을 모방하여 컴퓨터나 기계가 학습, 추론, 문제 해결, 이해 등의 작업을 수행할 수 있도록 하는 기술을 의미합니다. AI는 다양한 기술과 접근 방식을 통해 복잡한 문제를 해결하며, 특히 데이터 기반의 분석과 결정을 수행하는 데 강력한 도구로 자리 잡고 있습니다.인공지능의 주요 분야기계 학습(Machine Learning, ML):인공지능의 하위 분야로, 데이터에서 패턴을 학습하여 미래의 결과를 예측하거나 새로운 데이터를 분류하는 기술입니다. 지도 학습, 비지도 학습, 강화 학습과 같은 여러 가지 접근법이 있으며, 딥러닝(Deep Learning)이 ML의 한 갈래로 특히 주목받고 있습니다.딥러닝(Deep Learning):다층 신.. 2024. 9. 29. DNN(Deep Neural Network)에서 **활성화 함수(Activation Function)** DNN(Deep Neural Network)에서 **활성화 함수(Activation Function)**는 뉴런이 입력받은 신호를 처리하여 출력으로 변환하는 역할을 합니다. 활성화 함수는 입력 데이터와 뉴런의 가중치 합에 비선형성을 부여해 복잡한 패턴을 학습할 수 있도록 해줍니다. 선형 변환만 사용하면 모델의 깊이와 상관없이 모든 층이 하나의 선형함수로 축소되기 때문에, 활성화 함수가 반드시 필요합니다. ### 주요 활성화 함수 #### 1. **시그모이드 함수 (Sigmoid)** - **수식**: \[ f(x) = \frac{1}{1 + e^{-x}} \] - **특징**: - 출력 범위: (0, 1) - 입력을 0과 1 사이의 값으로 변환하여 확률을 나타낼 때 주로 사용. -.. 2024. 9. 24. 이전 1 다음 728x90 반응형
