my own data (3) 썸네일형 리스트형 mnist your own dataset - tensorflow.data.Dataset 3 Update 2019.8.13: Posting import tensorflow as tf import numpy as np from glob import glob from PIL import Image ### 사용할 함수 정의 ### def get_label_from_path(DATA_LIST): label_list = [] for path in DATA_LIST: label = path.split('/')[-2] label_list.append(label) return label_list def _read_py_function(DATA_PATH_LIST, LABEL_LIST): image = np.array(Image.open(path)) image.reshape(image.shape[0], image.. mnist your own dataset - tensorflow.data.Dataset 1 Update 2019.7.26: Posting 2019.8.17: 폰트 및 오타 수정 이제부터 포스팅하려고 하는 내용이 My own data 시리즈에서 가장 중요한 부분이 될 것이다. 데이터를 학습시키기 위해 우리는 정답(label)을 알고 있는 우리의 이미지를 몇 장 골라서(batch) 우리가 디자인한 deep learning graph에 넣어준다. 학습이 잘 되도록 graph에 넣기 전에 학습할 이미지를 섞어(shuffle) 주는 것도 잊지 말자!! 두서없이 얘기했지만, 위의 내용을 구현하기 위해서는 다음과 같은 순서로 코드를 작성해야 한다. 이미지와 라벨(정답) 매칭시키기 [tf.data.Dataset.from_tensor_slices] 데이터 섞기(순서대로 학습하면 제대로 학습이 되지 않음) [s.. mnist your own dataset Update 2019.7.15: Posting Introduction 보통 딥러닝의 이론적 영역을 공부하고 나서 가장 많이, 그리고 가장 처음 해보는 예제는 MNIST(Modified National Institute of Standards and Technology) 데이터베이스, 즉 손으로 쓴 숫자들을 Classification(분류)하는 문제일 것이다. MNIST dataset을 Classification하는 코드는 Github 또는 시중에 판매되는 교재에서 쉽게 찾을 수 있으며, 분류하려는 MNIST dataset 또한 아래와 같이 2줄의 코드로 쉽게 다운로드 할 수 있다. from tensorflow.examples.tutorials.mnist import input_data mnist = in.. 이전 1 다음
