외로운 Nova의 작업실

- 다층 퍼셉트론을 활용한 손글씨 분류 실습 0부터 9까지 손글씨를 가지고 다층 퍼셉트론을 활용해 0부터 9를 분류하는 AI를 만들어보겠습니다. 학습 데이터는 MINIST 데이터를 사용할 건데, MINIST 데이터는 28 * 28 스케일을 가지고 있습니다. 따라서 입력값은 28*28 = 784개가 될 것이며, 출력값은 0부터9까지인 10개가 될 것입니다. 지금부터 만들 다층 퍼셉트론의 구조입니다. 첫번째 레이어에서 784개의 입력을 받아 256개의 출력을 내고 두번째 레이어에서는 256개의 입력을 받아 128개의 출력을 냅니다. 그리고 3번째 레이어에서 128개의 입력으로 10개의 출력값을 내게됩니다. 이후 adam optimizer를 통해 역전파로 최적화를 하게되고 이때 사용하는 손실함수는 크로스 엔트..

- 다층 퍼셉트론으로 XOR 구현 import tensorflow as tf XOR의 입력레이어를 설정하겠습니다. 입력레이어는 4행 2열이고 출력레이어는 4행 1열의 형태를 갖습니다. X = tf.placeholder(tf.float32, shape=[4,2]) Y = tf.placeholder(tf.float32, shape=[4,1]) 첫번째 히든 레이어입니다. # 두개의 입력값을 받는 두개의 뉴론을 만듭니다. W1 = tf.Variable(tf.random_uniform([2,2])) # 각각의 뉴론은 한개의 편향값을 갖습니다. B1 = tf.Variable(tf.zeros([2])) # 출력값으로 Z를 리턴하도록 합니다. sigmoid(W1 * X + B1) Z = tf.sigmoid(tf.mat..

- and, or 연산 퍼셉트론 실습 먼저 데이터를 준비합니다. import tensorflow as tf T = 1.0 F = 0.0 bias = 1.0 def get_AND_data(): X = [ [F, F, bias], [F, T, bias], [T, F, bias], [T, T, bias] ] Y = [ [F], [F], [F], [T] ] return X, Y def get_OR_data(): X = [ [F, F, bias], [F, T, bias], [T, F, bias], [T, T, bias] ] Y = [ [F], [T], [T], [T] ] return X, Y def get_XOR_data(): X = [ [F, F, bias], [F, T, bias], [T, F, bias], ..