본문 바로가기
반응형

개발 공부/머신러닝, 딥러닝4

분류 모델을 평가하는 방법(Classification model) 분류 모델을 평가하는 방법 classifier의 성능을 어떻게 평가할까요?Permalink y_true, y_pred 가 각각 있습니다. 이를 활용해서 현재 분류된 결과의 성능을 어떻게 잘 평가할 수 있을까요? 보통 classification을 평가하는 metric들은 binary classification을 기준으로 만들어져 있습니다. confusion matrixPermalink 맨날 헷갈리는 그것!, 우선 그림을 봅시다. binary classification은 Positive/Negative를 예측하는 건데, 이는 총 4 가지 상황으로 분류될 수 있죠. 쓰고 나면 명확한데 항상 헷갈립니다. 진짜 진짜 많이 봤는데 매번 헷갈려요ㅠㅠㅠ True(진짜) Positive(양성): 양성으로 예측했고, 그게.. 2023. 10. 17.
코랩 사용시 체크 방법 GPU, 속도 향상 방법 코랩 사용시 체크 방법 GPU, 속도 향상 방법 ※ 코랩 사용시 초기 설정 3가지 ​ 런타임 유형변경 - GPU ​ 드라이브 마운트 ​ 런타임 - 모두실행 ​ ​ # 환경설정 ​ - Colab: 코드 작성, 라이브러리 연동, GPU 활용 - 구글 드라이브 : 데이터 가져오거나 저장 ​ 코랩에서 구글 드라이브에 있는 파일 접근 왼쪽의 아이콘을 클릭 상단의 아이콘을 클릭 ​ ※ GPU 체크하기 # 할당된 GPU 보기 from tensorflow.python.client import device_lib device_lib.list_local_devices() ​ # 현재 할당된 것이 CPU인지 GPU인지 확인 import tensorflow as tf tf.config.experimental.list_phys.. 2023. 10. 17.
딥러닝과 퍼셉트론의 이해2 딥러닝과 퍼셉트론의 이해 ※ 코랩 사용시 초기 설정 3가지 런타임 유형변경 - GPU 드라이브 마운트 런타임 - 모두실행 ​ ​ model1 > model2 출력층 활성화함수 변경 ​ 베스트 모델 저장 (Model Check Point) : 전 학습보다 결과가 개선되면 개선된 모델을 저장 학습 중단(Early Stopping) : 일정 epoch동안 결과가 개선되지 않으면 학습을 중단 ​ epochs를 크게 적고 기다려도 중간에 모델이 개선되지 않으면 학습이 중단 ​ 이미지를 학습하지 않는 이유 - MLP > 이미지 학습은 가능 > 판단을 엄청 못함 - 위치를 기반으로 학습 > 위치가 조금만 달라져고 다른 값으로 파악 - 크기도 중요한 변수 > 임지들의 크기가 거의 다 같아야함 - 이미지의 모양은 학습이.. 2023. 10. 17.
딥러닝의 이해 딥러닝의 이해 딥러닝 : 이미지, 영상, 음성등 다양한 데이터 예측가능 > 이미지 생성, 문자열 분석, 영상 예측 ​ 단일 퍼셉트론 model.add(Dense(units = 1, input_dim = 2) - 한 층에 하나의 퍼셉트론을 사용 - And, Or는 구분 가능 - XOR는 구분 불가능 ​ 다중 퍼셉트론 - Multi layer perceptron ​ model.add(Dense(units = 1, input_dim = 2) model.add(Dense(units =1)) - 두개의 층으로 이루어짐 - 각 층은 하나의 퍼셉트론으로 이루어짐 - MLP를 기반으로 다양한 모델이 파생 - CNN, RNN, LSTM, YOLO ​ 딥러닝 구조 입력층 : 데이터를 입력받는 층, 1개의 층 중간층(은닉층.. 2023. 10. 17.
반응형

티스토리툴바