달력

01

« 2018/01 »

  •  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  •  
  •  
  •  

Tensorflow-KR 캐글 음성인식 챌린지 후기 모임


2018년 02월 05일 18:00 ~ 22:00

음성인식 캐글 도전 10팀 후기 : 온오프믹스 : https://onoffmix.com/event/126475


모임 마감됨.


캐글 : 텐서플로우를 이용하여 말한 내용(음성인식)을 글자로 바꾸기

https://www.kaggle.com/c/tensorflow-speech-recognition-challenge


참고1 : https://research.googleblog.com/2017/08/launching-speech-commands-dataset.html

참고2 : http://cscp2.sogang.ac.kr/CSE5311/index.php/Tensor_Flow%EB%A5%BC_%EC%9D%B4%EC%9A%A9%ED%95%9C_%EC%9D%8C%ED%96%A5%EC%9D%B8%EC%8B%9D%EA%B8%B0_%EC%A0%9C%EC%9E%91

참고3 : http://solarisailab.com/archives/1925


Posted by 멋지다마라송

keras 실행 에러 - MKL_THREADING_LAYER=GNU


케라스 keras 버전 출력하기를 따라하는데 아래와 같은 에러가 생기는 경우가 있습니다.


케라스 강의 사이트 : https://tykimos.github.io/2017/08/07/Keras_Install_on_Windows/



import scipy

import numpy

import matplotlib

import pandas 

import sklearn

import pydotplus

import h5py


import theano

import tensorflow

import keras


print ('scipy.'+scipy.__version__)

print ('numpy.'+numpy.__version__)

print ('matplotlib.'+matplotlib.__version__)

print ('sklearn.'+sklearn.__version__)

print ('h5py.'+h5py.__version__)


print ('theano.'+theano.__version__)

print ('tensorflow.'+tensorflow.__version__)

print ('keras.'+keras.__version__)



...

RuntimeError: To use MKL 2018 with Theano you MUST set "MKL_THREADING_LAYER=GNU" in your environement.


이런 에러가 난다면


(venv) D:\keras\test01>conda install mkl=2017


이렇게 mkl 버전을 명시해줘서 설치해야 합니다. 

버전을 명시 안하면 2018 최신버전이 설치되면서 에러가 납니다.





만약, 아래와 같은 에러가 나면 pydot 을 설치해야 합니다.

conda install -n venv pydot


     29         # pydot raises a generic Exception here,
     30         # so no specific class can be caught.
---> 31         raise ImportError('Failed to import pydot. You must install pydot'
     32                           ' and graphviz for `pydotprint` to work.')
     33 

ImportError: Failed to import pydot. You must install pydot and graphviz for `pydotprint` to work.



그리고 GraphVIZ 를 설치해야 합니다.

http://www.graphviz.org/download/

여기에서 다운받아 설치합니다. 만약, 설치했는데도 에러가 난다면 환경변수 문제입니다.

D:\ProgramData\Anaconda3\pkgs\graphviz-2.38.0-4\Library\bin\graphviz

이 경로를 PATH 변수에 등록해주고, 


아래 스샷처럼 사용자 변수에 추가합니다.



주피터 노트북 jupyter notebook 재기동해서 다시 확인해봅니다.


Posted by 멋지다마라송

KCD 2018 - 한국 커뮤니티 데이 - 케라스 이야기 


2018년 02월 24일 (토) 오후 1시 

https://tykimos.github.io/2018/02/24/Deep_Learning_Tool_in_Everyones_hands/


신청 : https://kcd2018.festa.io/


프로그램

  • 일시 : 2018년 2월 24일 오후 1시 ~ 오후 1시 40분
  • 장소 : 한국 마이크로소프트 11층
  • 내용 :
  • 목차 :
    • 케라스 이야기 : 케라스는 파이썬으로 구현된 쉽고 간결한 딥러닝 라이브러리입니다. 딥러닝 비전문가라도 각자 분야에서 손쉽게 딥러닝 모델을 개발하고 활용할 수 있도록 케라스는 직관적인 API를 제공하고 있습니다. 내부적으로는 텐서플로우(TensorFlow), 티아노(Theano), CNTK 등의 딥러닝 전용 엔진이 구동되지만 케라스 사용자는 복잡한 내부 엔진을 알 필요는 없습니다. 이러한 케라스에 대해서 간단한 소개를 할 예정입니다.
    • 케라스 코리아 그룹 : 케라스 코리아 그룹은 각 분야의 전문가분들이 딥러닝 기술을 쉽게 접목하거나 딥러닝 기술에 대해 입문하시고 싶은 분들에게 도움을 드리고 소통하는 것에 목표를 두고 있으며 또한 분야별로 어떤 문제에 어떻게 딥러닝을 접목하려는 지 또는 해본 경험을 토론하고자 분야별 모임(#케코x분야)을 가지고 있습니다. 어떤 모임들이 있는 지 살펴볼 예정입니다.
    • 케라스 활용 사례 : 태양에서 세포까지라는 주제로 케라스 기반의 딥러닝 모델을 여러 분야에 실제 접목한 사례에 대해서 소개합니다.
    • 모바일 활용 사례 : 딥러닝 모델을 모바일 앱에 탑재하여 인공지능 기반의 서비스를 구축한 사례를 살펴봅니다.

 

발표자 프로필

김태영

  • 케라스 코리아 운영진
  • (주)인스페이스 기술이사
  • ‘블록과 함께하는 파이썬 딥러닝 케라스 도서’ 저자

 

전미정

  • 케라스 코리아 운영진
  • Swift Korea Meetup 발표
  • iOS 개발자
  •  



케라스 이야기 : http://tykimos.tistory.com/1



Posted by 멋지다마라송

[정리] 모두를 위한 딥러닝 05 - Logistic Classification  by 김성훈 


강의 웹사이트 : http://hunkim.github.io/ml/

Lec = 강의 / Lab = 실습


지금까지는 결과값 Y 가 숫자였는데, 이번 강의에서는 0 또는 1 이렇게 둘 중 하나인 경우를 살펴본다.

병에 걸렸는지 여부, 시험을 통화할 수 있는지 여부 등에 이용할 수 있다.


이를 나타내려면 단순히 직선 그래프로는 안되고 0 또는 1 에 수렴해야 하는데, 이때 사용되는 함수는 아래와 같다. 


시그모이드 (하이퍼볼릭 탄젠트 tanh 파란색 점선) 함수로 나타낼 수 있다.



로그 함수로 나타낼 수도 있다.

여기에서 빨간색이 X 축이라면 Y 값은 0 또는 1 에 수렴하는 그래프가 된다. 오 ~ 


이를 파이썬으로 구현하면 아래와 같다.

x_data = [[1, 2], [2, 3], [3, 1], [4, 3], [5, 3], [6, 2]]

y_data = [[0], [0], [0], [1], [1], [1]]

# placeholders for a tensor that will be always fed.

X = tf.placeholder(tf.float32, shape=[None, 2])

Y = tf.placeholder(tf.float32, shape=[None, 1])


W = tf.Variable(tf.random_normal([2, 1]), name='weight')

b = tf.Variable(tf.random_normal([1]), name='bias')

# Hypothesis using sigmoid: tf.div(1., 1. + tf.exp(tf.matmul(X, W)))

hypothesis = tf.sigmoid(tf.matmul(X, W) + b)

# cost/loss function

cost = -tf.reduce_mean(Y * tf.log(hypothesis) + (1 - Y) * tf.log(1 - hypothesis))

train = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(cost)


# Accuracy computation

# True if hypothesis>0.5 else False

predicted = tf.cast(hypothesis > 0.5, dtype=tf.float32)

accuracy = tf.reduce_mean(tf.cast(tf.equal(predicted, Y), dtype=tf.float32))


# Launch graph

with tf.Session() as sess:

  # Initialize TensorFlow variables

  sess.run(tf.global_variables_initializer())


  for step in range(10001):

      cost_val, _ = sess.run([cost, train], feed_dict={X: x_data, Y: y_data})

      if step % 200 == 0:

          print(step, cost_val)


  # Accuracy report

  h, c, a = sess.run([hypothesis, predicted, accuracy],

                     feed_dict={X: x_data, Y: y_data})

  print("\nHypothesis: ", h, "\nCorrect (Y): ", c, "\nAccuracy: ", a)



소스코드 : https://github.com/hunkim/DeepLearningZeroToAll


Posted by 멋지다마라송

[정리] 모두를 위한 딥러닝 04 - Multi-Variable Linear Regression by 김성훈 


강의 웹사이트 : http://hunkim.github.io/ml/

Lec = 강의 / Lab = 실습


x 가 여러개인 경우, 행렬을 이용해서 Y 를 예측하는 방법.


이를 파이썬으로 구현하면 아래와 같다.


import tensorflow as tf

x_data = [[73., 80., 75.], [93., 88., 93.],

        [89., 91., 90.], [96., 98., 100.], [73., 66., 70.]]

y_data = [[152.], [185.], [180.], [196.], [142.]]

# placeholders for a tensor that will be always fed.

X = tf.placeholder(tf.float32, shape=[None, 3]) # [n, 3] 행렬. x_data 세트 = n 개

Y = tf.placeholder(tf.float32, shape=[None, 1]) # [n, 1] 행렬.


W = tf.Variable(tf.random_normal([3, 1]), name='weight')

b = tf.Variable(tf.random_normal([1]), name='bias')


# Hypothesis

hypothesis = tf.matmul(X, W) + b

# Simplified cost/loss function

cost = tf.reduce_mean(tf.square(hypothesis - Y))

# Minimize

optimizer = tf.train.GradientDescentOptimizer(learning_rate=1e-5)

train = optimizer.minimize(cost)


# Launch the graph in a session.

sess = tf.Session()

# Initializes global variables in the graph.

sess.run(tf.global_variables_initializer())


for step in range(2001):

  cost_val, hy_val, _ = sess.run(

      [cost, hypothesis, train], feed_dict={X: x_data, Y: y_data})

  if step % 10 == 0:

      print(step, "Cost: ", cost_val, "\nPrediction:\n", hy_val)


소스코드 : https://github.com/hunkim/DeepLearningZeroToAll

Posted by 멋지다마라송


티스토리 툴바