AI | 딥러닝/Coding7 [Python] 3x3 depthwise convolution 코드 # loading the layer file layer_name = 'intro.conv1.convs.2' inp = np.load(f'npy/{layer_name}_inp.npy') wgt = np.load(f'npy/{layer_name}_wgt.npy') try: bias = np.load(f'npy/{layer_name}_bias.npy') except: bias_flag = False else: bias_flag = True out = np.load(f'npy/{layer_name}_out.npy') # mapping fixed point inp_fxp = inp.astype(np.int64) wgt_fxp = wgt.astype(np.int64) psum_fxp = np.zeros_like(o.. 2023. 9. 9. [Python] 1x1 point convolution 코드 # loading the layer file layer_name = 'intro.conv1.convs.1' inp = np.load(f'npy/{layer_name}_inp.npy') wgt = np.load(f'npy/{layer_name}_wgt.npy') try: bias = np.load(f'npy/{layer_name}_bias.npy') except: bias_flag = False else: bias_flag = True out = np.load(f'npy/{layer_name}_out.npy') # changing to fixed point inp_fxp = inp.astype(np.int64) wgt_fxp = wgt.astype(np.int64) psum_fxp = np.zeros_li.. 2023. 9. 9. [Pytorch 프로젝트] CNN(Convolutional Neural Network)으로 MNIST 데이터 분류하기 🔊 해당 포스팅에서 사용된 컨텐츠는 위키독스의 PyTorch로 시작하는 딥러닝 입문 내용을 기반으로 했음을 알립니다. 설명에서 사용된 자료는 최대한 제가 직접 재구성한 자료임을 알립니다. 포스팅은 CNN(Convolutional Neural Network) 기법을 이용하여 MNIST 데이터를 분류하였다. 같은 MNIST 데이터로 softmax regression과 MLP(multi-layer perceptron) 방식으로도 MNIST 데이터를 분류하였으니 참고하면 좋다. 2021.10.24 - [AI | 딥러닝/Project] - [Pytorch] Softmax regression으로 MNIST 데이터 분류하기 2021.10.24 - [AI | 딥러닝/Project] - [Pytorch 프로젝트] MLP.. 2021. 10. 25. [Pytorch 프로젝트] MLP(Multi-Layer Perceptron)으로 MNIST 데이터 분류하기 🔊 해당 포스팅에서 사용된 컨텐츠는 위키독스의 PyTorch로 시작하는 딥러닝 입문 내용을 기반으로 했음을 알립니다. 설명에서 사용된 자료는 최대한 제가 직접 재구성한 자료임을 알립니다. 아래 포스팅은 Softmax regression 기법을 이용하여 MNIST 데이터를 분류하였다. 아래 방식과 차이점을 비교하여 이번 포스팅을 보면 훨씬 이해하는 데 도움이 될 것이다. 2021.10.24 - [AI | 딥러닝/Project] - [Pytorch] Softmax regression으로 MNIST 데이터 분류하기 사용 Framework: Pytorch 사용 기법: MLP(Multi-Layer Perceptron) 사용 함수: nn.Sequential() 사용 데이터: MNIST (손글씨 숫자) 모델링을 할 .. 2021. 10. 24. [Pytorch 프로젝트] Softmax regression으로 MNIST 데이터 분류하기 🔊 해당 포스팅에서 사용된 컨텐츠는 위키독스의 PyTorch로 시작하는 딥러닝 입문 내용을 기반으로 했음을 알립니다. 설명에서 사용된 자료는 최대한 제가 직접 재구성한 자료임을 알립니다. 사용 Framework: Pytorch 사용 기법: Softmax regression 사용 함수: nn.Linear() 사용 데이터: MNIST (손글씨 숫자) 모델링을 할 때 크게 4가지 틀을 기억하고 지켜주면 된다. 1. Dataset 설정 2. 모델 설계 3. Cost 함수와 Optimizer 설정 4. Training 과 Back-propagation 수행 모델링 (Modeling) import torch import torchvision.datasets as dsets import torchvision.tran.. 2021. 10. 24. [딥러닝 프로젝트] 1. 신경망 훈련: 기초적인 분류 문제 (Feat. TensorFlow) 딥러닝 프로젝트로 하나씩 실습을 해볼 예정이다. 첫번째 포스팅으로는 Fashion MNIST를 이용한 기초적인 분류 문제이다. 테스트 환경 실습 IDE: Google Colab 사용 언어: TensorFlow (Keras) 2.6.0 딥러닝 모델: CNN의 FC영역만 (Flatten, Dense layer) 1. 필요한 Library 선언 # tensorflow와 tf.keras를 임포트합니다 import tensorflow as tf from tensorflow import keras # 헬퍼(helper) 라이브러리를 임포트합니다 import numpy as np import matplotlib.pyplot as plt print(tf.__version__) 2. MNIST Dataset import.. 2021. 8. 25. [딥러닝 개발 환경 구축] Colab 코랩 이용하기 #GPU 딥러닝을 구동하기 위해서는 별도의 개발 환경을 구축해야 한다. 대략적으로 설치해야 되는 항목은 아래와 같다. Python 3 CUDA 10.1 cnDNN v7.6.5 TensorFlow / Pytorch 그리고 딥러닝 환경에서 가장 중요한 것은 든든한 GPU!! 하드웨어 장치로 NVIDIA의 GPU가 있어야 한다. 물론 CPU만 있어도 어찌저찌 딥러닝 알고리즘을 돌릴 수는 있지만 연산 속도가 엄~~청 느리다. 그래서 할 수 있는 성능에 한계가 있어 왠만하면 GPU가 있는 것이 개발하는 데 좋다. 아래 포스팅에 그 이유가 있으니 참고하면 좋다. 2021.08.08 - [AI | 딥러닝] - [AI/딥러닝] 딥러닝 모델을 GPU에 구동시키는 방법 (Feat. Framework) 근데 GPU가 없더라도 노트북.. 2021. 8. 16. 이전 1 다음
