깊이 학습한 경험은 없지만 Neural Network Console에 가입해 보았습니다.
4172 단어 DeepLearningNeuralNetworkConsole
먼저 말하자면, 문서 보는 것이 확실히 더 빠르다.비망록일 뿐이야.문서보십시오.
Neural Network Console
공식 홈페이지가 여기 있습니다.
이것은 Sony가 개발한 딥러닝용 GUI 도구입니다.
지금까지 딥러닝은 거의 Tensorflow,caffe,Chainer 등 소프트웨어 라이브러리에서 제공되었는데 이것은 GUI 도구이다.이렇게 하면 더 이상 환경과 복잡한 인코딩을 구축하기 위해 고민하지 않을 것이다...아마도!?그나저나 제공 라이브러리도 있어요.
1. 개발 환경
자신의 개발 환경은 다음과 같다.
OS : Windows10 Home 64bit
CPU : Intel Core i7-6700HQ 2.60GHz
GPU : GeForce GTX 1060
작업 환경이 사이트의 머리와 같다
OS : Windows8.1, 10 64bit
나는 단지 알 뿐이다.
2. 배포
어쨌든 설치부터.
공식 사이트 아래의 입력 상자에 메일 주소를 입력하여 발송합니다.
그런 다음 메일을 받고 "Download the Windows App"을 클릭합니다.
다운로드를 시작합니다.그나저나 1G 가까이 있으니 주의하세요.
메일에 쓴 것처럼 여기서 두 가지 일을 해야 한다.
1. Visual Studio2015의 Visual C++를 설치하면 패키지 재제작 가능
2. NVIDIA GPU는 PC를 탑재할 때 그래픽 드라이버를 최신 버전으로 업데이트합니다.
자신이 이 두 가지 조건을 만족시켰기 때문에 아무것도 하지 않고 계속했다.
다운로드 후 홈 페이지로 압축 해제 neural_network_console.exe를 실행합니다.
먼저 방금 두 개의 주의된 팝업 메뉴가 나타납니다.
처음 시작할 때만 설정 화면이 자동으로 표시됩니다.여기 보치가 두 개 있어요.
1. 라이선스에서 I Agree 버튼을 클릭
2.GPU 사용 시에만 ENGINE에서 GPU 사용
이 두 개를 만든 후 오른쪽 아래에 있는 응용 프로그램을'보치'로 표시합니다.초기 설정은 여기서 끝냅니다.
참고로 이 설정 화면은 홈페이지 화면의 오른쪽 톱니바퀴에서 다시 편집할 수 있다.
3. 예제 실행
아마 홈페이지 화면은 이렇을 것이다.
이 중앙은 저장된 항목 같은데, 맨 위에 01_logistic_regression.sdcproj는 샘플 프로젝트이기 때문에 이것을 선택했습니다.그리고 EDIT 화면으로 오세요.
이번 샘플은 MNIST 데이터에서 일부(4와 9의 이미지)를 추출하여 학습하고 평가한 것 같습니다.사용할 데이터 세트를 보려면 DATASET 탭을 엽니다.
그럼 이제 뭐 할 거예요!
준비 완료.F5키로 학습을 시작합니다.뭐랄까!
네가 공부를 시작할 때, 결과는 실시간으로 도표 형식으로 출력될 것이다.각 도표의 뜻조차 전혀 하지 않은 사람은 아직 모르니 어쨌든 먼저 0에 접근하면 된다.
학습이 끝난 후 평가, F6 버튼을 눌러 F6가 흘러나오게!
평가 완료.여섯 번째 줄은 전체적인 정밀도인 것 같습니다. 대략 95%의 정밀도가 있습니다.
여기까지.
테스트 여기서 끝!이곳으로 정상적으로 이동할 수 있다면 문제없다.나는 PATH에 일본어와 공간이 있으면 맛없을 것 같다는 것을 자주 알고 있지만 모두 문서의 범위 안에 있다.너무 보기 쉬워서 샘플만 옮기면 정말 망설임 없이 진행했어요.
다만, 여기 쓰여진 것들은 정말 전부 문서대로만 만들었고, 딥러닝을 전혀 하지 않았기 때문에'어떻게 된 건지 모르겠지만 손으로 쓴 글자가 식별됐다'는 상태입니다.특히 EDIT가 만든 신경 네트워크의 구성 요소의 의미와 Input만 알고 있습니다.
그러니까 텐서플로우를 좀 더 깊게 들어가서 돌아오고 싶어요.DeepLearning을 0부터 시작하지 않으면 .
Reference
이 문제에 관하여(깊이 학습한 경험은 없지만 Neural Network Console에 가입해 보았습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ankd/items/01e5a6eb56369e288d25
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
자신의 개발 환경은 다음과 같다.
OS : Windows10 Home 64bit
CPU : Intel Core i7-6700HQ 2.60GHz
GPU : GeForce GTX 1060
작업 환경이 사이트의 머리와 같다
OS : Windows8.1, 10 64bit
나는 단지 알 뿐이다.
2. 배포
어쨌든 설치부터.
공식 사이트 아래의 입력 상자에 메일 주소를 입력하여 발송합니다.
그런 다음 메일을 받고 "Download the Windows App"을 클릭합니다.
다운로드를 시작합니다.그나저나 1G 가까이 있으니 주의하세요.
메일에 쓴 것처럼 여기서 두 가지 일을 해야 한다.
1. Visual Studio2015의 Visual C++를 설치하면 패키지 재제작 가능
2. NVIDIA GPU는 PC를 탑재할 때 그래픽 드라이버를 최신 버전으로 업데이트합니다.
자신이 이 두 가지 조건을 만족시켰기 때문에 아무것도 하지 않고 계속했다.
다운로드 후 홈 페이지로 압축 해제 neural_network_console.exe를 실행합니다.
먼저 방금 두 개의 주의된 팝업 메뉴가 나타납니다.
처음 시작할 때만 설정 화면이 자동으로 표시됩니다.여기 보치가 두 개 있어요.
1. 라이선스에서 I Agree 버튼을 클릭
2.GPU 사용 시에만 ENGINE에서 GPU 사용
이 두 개를 만든 후 오른쪽 아래에 있는 응용 프로그램을'보치'로 표시합니다.초기 설정은 여기서 끝냅니다.
참고로 이 설정 화면은 홈페이지 화면의 오른쪽 톱니바퀴에서 다시 편집할 수 있다.
3. 예제 실행
아마 홈페이지 화면은 이렇을 것이다.
이 중앙은 저장된 항목 같은데, 맨 위에 01_logistic_regression.sdcproj는 샘플 프로젝트이기 때문에 이것을 선택했습니다.그리고 EDIT 화면으로 오세요.
이번 샘플은 MNIST 데이터에서 일부(4와 9의 이미지)를 추출하여 학습하고 평가한 것 같습니다.사용할 데이터 세트를 보려면 DATASET 탭을 엽니다.
그럼 이제 뭐 할 거예요!
준비 완료.F5키로 학습을 시작합니다.뭐랄까!
네가 공부를 시작할 때, 결과는 실시간으로 도표 형식으로 출력될 것이다.각 도표의 뜻조차 전혀 하지 않은 사람은 아직 모르니 어쨌든 먼저 0에 접근하면 된다.
학습이 끝난 후 평가, F6 버튼을 눌러 F6가 흘러나오게!
평가 완료.여섯 번째 줄은 전체적인 정밀도인 것 같습니다. 대략 95%의 정밀도가 있습니다.
여기까지.
테스트 여기서 끝!이곳으로 정상적으로 이동할 수 있다면 문제없다.나는 PATH에 일본어와 공간이 있으면 맛없을 것 같다는 것을 자주 알고 있지만 모두 문서의 범위 안에 있다.너무 보기 쉬워서 샘플만 옮기면 정말 망설임 없이 진행했어요.
다만, 여기 쓰여진 것들은 정말 전부 문서대로만 만들었고, 딥러닝을 전혀 하지 않았기 때문에'어떻게 된 건지 모르겠지만 손으로 쓴 글자가 식별됐다'는 상태입니다.특히 EDIT가 만든 신경 네트워크의 구성 요소의 의미와 Input만 알고 있습니다.
그러니까 텐서플로우를 좀 더 깊게 들어가서 돌아오고 싶어요.DeepLearning을 0부터 시작하지 않으면 .
Reference
이 문제에 관하여(깊이 학습한 경험은 없지만 Neural Network Console에 가입해 보았습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ankd/items/01e5a6eb56369e288d25
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
아마 홈페이지 화면은 이렇을 것이다.
이 중앙은 저장된 항목 같은데, 맨 위에 01_logistic_regression.sdcproj는 샘플 프로젝트이기 때문에 이것을 선택했습니다.그리고 EDIT 화면으로 오세요.
이번 샘플은 MNIST 데이터에서 일부(4와 9의 이미지)를 추출하여 학습하고 평가한 것 같습니다.사용할 데이터 세트를 보려면 DATASET 탭을 엽니다.
그럼 이제 뭐 할 거예요!
준비 완료.F5키로 학습을 시작합니다.뭐랄까!
네가 공부를 시작할 때, 결과는 실시간으로 도표 형식으로 출력될 것이다.각 도표의 뜻조차 전혀 하지 않은 사람은 아직 모르니 어쨌든 먼저 0에 접근하면 된다.
학습이 끝난 후 평가, F6 버튼을 눌러 F6가 흘러나오게!
평가 완료.여섯 번째 줄은 전체적인 정밀도인 것 같습니다. 대략 95%의 정밀도가 있습니다.
여기까지.
테스트 여기서 끝!이곳으로 정상적으로 이동할 수 있다면 문제없다.나는 PATH에 일본어와 공간이 있으면 맛없을 것 같다는 것을 자주 알고 있지만 모두 문서의 범위 안에 있다.너무 보기 쉬워서 샘플만 옮기면 정말 망설임 없이 진행했어요.
다만, 여기 쓰여진 것들은 정말 전부 문서대로만 만들었고, 딥러닝을 전혀 하지 않았기 때문에'어떻게 된 건지 모르겠지만 손으로 쓴 글자가 식별됐다'는 상태입니다.특히 EDIT가 만든 신경 네트워크의 구성 요소의 의미와 Input만 알고 있습니다.
그러니까 텐서플로우를 좀 더 깊게 들어가서 돌아오고 싶어요.DeepLearning을 0부터 시작하지 않으면 .
Reference
이 문제에 관하여(깊이 학습한 경험은 없지만 Neural Network Console에 가입해 보았습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ankd/items/01e5a6eb56369e288d25
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(깊이 학습한 경험은 없지만 Neural Network Console에 가입해 보았습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/ankd/items/01e5a6eb56369e288d25텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)