머신러닝스터디/2016/2016 06 18 - Revision history

Maintenance script: Repair batch-0005 pages from live compare

2026-03-27T00:44:57Z

Repair batch-0005 pages from live compare

← Older revision		Revision as of 00:44, 27 March 2026
Line 25:		Line 25:
	model.compile(loss='categorical_crossentropy',		model.compile(loss='categorical_crossentropy',
	optimizer='adagrad',		optimizer='adagrad',
	metrics=['accuracy'])		metrics=['accuracy'])


Line 37:		Line 37:

	# output		# output
	print(model.predict(np.array([X_test[0]])))		print(model.predict(np.array([X_test[0]])))
	print(y_test[0])		print(y_test[0])
	== 다음 시간에는 ==		== 다음 시간에는 ==
	* 6/27은 데블스 캠프가 있는 날이라 쉽니다.		* 6/27은 데블스 캠프가 있는 날이라 쉽니다.
	== 더 보기 ==		== 더 보기 ==

imported>rabierre at 17:33, 24 July 2016

2016-07-24T17:33:23Z

← Older revision		Revision as of 17:33, 24 July 2016
Line 1:		Line 1:
	~~[[pagelist(^(~~머신러닝스터디/2016~~))]]~~		[[머신러닝스터디/2016]]
			[[머신러닝스터디/2016/목차]]
	== 내용 ==		== 내용 ==
	* 아래 코드에서 마지막 레이어의 아웃풋은 0~1 사이의 값이 나와야 하므로 relu가 아니라 sigmoid를 쓴다.		* 아래 코드에서 마지막 레이어의 아웃풋은 0~1 사이의 값이 나와야 하므로 relu가 아니라 sigmoid를 쓴다.

114.108.95.133 at 10:18, 8 July 2016

2016-07-08T10:18:05Z

← Older revision		Revision as of 10:18, 8 July 2016
Line 1:		Line 1:
			[[pagelist(^(머신러닝스터디/2016))]]
	== 내용 ==		== 내용 ==
	* 아래 코드에서 마지막 레이어의 아웃풋은 0~1 사이의 값이 나와야 하므로 relu가 아니라 sigmoid를 쓴다.		* 아래 코드에서 마지막 레이어의 아웃풋은 0~1 사이의 값이 나와야 하므로 relu가 아니라 sigmoid를 쓴다.
Line 37:		Line 38:
	print(model.predict(np.array([X_test[0]])))		print(model.predict(np.array([X_test[0]])))
	print(y_test[0])		print(y_test[0])
			== 다음 시간에는 ==
			* 6/27은 데블스 캠프가 있는 날이라 쉽니다.
			== 더 보기 ==

14.63.105.219 at 07:07, 2 July 2016

2016-07-02T07:07:40Z

← Older revision		Revision as of 07:07, 2 July 2016
Line 1:		Line 1:
			== 내용 ==
			* 아래 코드에서 마지막 레이어의 아웃풋은 0~1 사이의 값이 나와야 하므로 relu가 아니라 sigmoid를 쓴다.
			=== 코드 ===
	from keras.models import Sequential		from keras.models import Sequential
	from keras.layers import Dense, Dropout, Activation		from keras.layers import Dense, Dropout, Activation

imported>rabierre: {CREATE}

2016-06-18T07:59:58Z

{CREATE}

New page

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.datasets import mnist
from keras.layers.core import Reshape
from keras.utils.np_utils import to_categorical
import numpy as np

(X_train, y_train), (X_test, y_test) = mnist.load_data()

model = Sequential()
model.add(Reshape((28*28,), input_shape=(28,28)))
model.add(Dense(60000, input_dim=28*28, activation='relu'))

model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))

model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy',
optimizer='adagrad',
metrics=['accuracy'])

model.fit(X_train, to_categorical(y_train, 10),
nb_epoch=3,
batch_size=200)

score = model.evaluate(X_test, to_categorical(y_test, 10), batch_size=10000)

print(score)

# output
print(model.predict(np.array([X_test[0]])))
print(y_test[0])