딥러닝을 이용한 숫자인식 및 예측 CNN 모델 (Convolutional Neural Networks) 파이썬으로 구현, 설치 및 실행 방법 상세히 설명
- 최초 등록일
- 2019.06.06
- 최종 저작일
- 2019.06
- 2페이지/ 압축파일
- 가격 5,000원
소개글
본 코드는 숫자인식 및 예측을 위한 딥러닝 알고리즘 소스코드입니다.
파이썬 및 실행방법을 모르셔도 설치방법 또한 포함되어있습니다.
즉, 처음 파이썬을 사용하시는 분도 본인이 구현한 것처럼 순차적으로 따라가 주시기만 하면 됩니다.
정말 처음 사용해보시는 분도 할 수 있도록 작성한 코드 및 설명서입니다.
구현된 알고리즘은 딥러닝 중 이미지 인식에서 좋은 효율성을 보여주는 CNN(Convolutional Neural Net)입니다.
CNN 분류 모델은 그림과 같이 숫자 이미지를 입력으로 받아서 모델에서 Convolution과 pooling을 통하여 특징값을
자동으로 학습하며 뽑아내게 되며 그것을 바탕으로 숫자를 예측 및 분류하도록 학습하게 되는 모델입니다.
[데이터 설명]
Public data로 써 숫자인식에서 가장 기본이 되는 데이터인 MNIST입니다.
GPU를 사용하지 않을 시 모두 다사용하는 것은 학습속도거 너무 오래걸리므로
학습데이터로 8000개, 테스트 데이터로 2000개를 가공하여 ./data 폴더에 첨부하여 넣어 놓았습니다.
총 10개의 숫자로 구성된 사진이며 숫자 0~9를 의미하는 이미지입니다 가지고 있습니다.
가공해 놓은 데이터는 총 10000장입니다.
숫자 별 데이터의 개수는 소스코드 내에서 확인 가능합니다.
* 소스코드 순서
1) 필요한 라이브러리 호출
2) 데이터 로드해 보기 (학습데이터 및 테스트 데이터)
3) 각 숫자 별 데이터 개수 확인해 보기
4) 데이터 샘플로 10개 이미지로 확인 해보기 (정답이랑 매칭)
5) CNN 모델 구현하기
6) 구현한 모델 형태 보기
7) 학습데이터로 모델 학습하기
8) 테스트데이터 예측결과 확인하기
9) 잘못 예측한 데이터 확인하기
10) 잘못 예측한 데이터의 이미지 살펴보기
순서입니다.
파이썬 사용안해본분도 바로 본인이 구현한것 처럼 사용가능합니다.
파이썬 설치방법까지 모두 다 포함되어있습니다.
버튼만 눌르면 넘어갑니다
위와 동일한 방식으로 DNN 모델도 구현하여 올려 놓으니 비교 해보고 싶으신분은
같이 받아주세요. CNN은 정확도 97% 이상, DNN은 95~96% 의 결과를 확인하실 수 있습니다.
두개 비교하여 프로젝트나 과제하시면 좋을 것 같습니다.
감사합니다.
컴파일 실행환경
jupyter notebook, python
압축파일 내 파일목록
.ipynb_checkpoints/MNIST_CNN-checkpoint.ipynb
data/x_test.npy
data/x_train.npy
data/y_test.npy
data/y_train.npy
MNIST_CNN 설명서.hwp
MNIST_CNN.ipynb
실행했을때 결과 보기.html
아나콘다(파이썬) 및 딥러닝 관련 라이브러리 설치 방법.png
처음부터 다시 시작해보기.png
참고 자료
없음