소개

O'REILY에서 출판된 「제로부터 만드는 Deep Learning -Python으로 배우는 딥 러닝의 이론과 구현」을 GoogleColaboratory 환경에서 샘플 코드를 실행할 때에 메모한 내용이 됩니다.

도서 샘플 데이터는 GitHub에서 얻습니다

데이터 마운트 방법에 대해 (내 드라이브에 데이터를 업로드하는 것만으로는 사용할 수 없으므로 연결 방법 소개)

이미지 표시에 대해 (샘플 코드 작성해도 GoogleColaboratory에서는 이미지가 표시되지 않았기 때문에 대체 방법 소개)

제3장 신경망

3.6.1 MNIST 데이터 세트
3.7.1 신경망의 추론 처리

상기 내용을 실행했을 때의 메모가 됩니다.
(P72~P75)

데이터 얻기

GitHub에서 데이터를 가져옵니다. (다운로드)
htps : // 기주 b. 코 m / 나는 ly-ya-pan / dee p-a r-n g-f-m-sc 등 tch
폴더 이름 = deep-learning-from-scratch-master

데이터 업로드 및 마운트 정보

내 드라이브 Google 드라이브에 폴더를 업로드합니다.

새로 Google Colaboratory를 만듭니다.

드라이브를 마운트합니다. (노트북에서 데이터를 사용할 수 있는 상태로 설정)

아이콘을 클릭하면 처리가 시작됩니다.

Google 드라이브에 연결

drive가 표시되면 접속 완료

디렉토리 이동

첫 번째 코드를 입력하기 전에 현재 디렉토리를 변경해야 합니다.

load_mnist 함수 가져오기

mnist_show.py 실행

6행째까지의 코드를 생략하는 것도 가능합니다. (load_mnist를 가져올 때 실행됨)

첫 번째 훈련 이미지의 숫자 = 5

1차원 배열의 개수 = 784,

1차원 배열보다 원래의 형상으로 재변형=28, 28

본래, 표시되어야 하는 훈련 화상이 표시되지 않습니다.　=img에 저장은 되어 있지만 표시되지 않는다.

이미지 표시

정말 5인지 확인하기 위해 다른 표시 방법을 시도했습니다.

matplotlib을 가져오고 이미지를 표시합니다.

첫 번째 훈련 이미지를 표시하는 데 성공했습니다.

neuralnet_mnist.py 실행

정답한 인식 정밀도 = 0.9352(93.52%)로 분류한다.

마지막으로

단지 샘플 코드를 GoogleColaboratory에서 실행하는 것입니다만, 상당한 시간을 보냈습니다.
같은 내용으로 고민하고 있는 분에게, 조금이라도 도움이 되도록(듯이) 처음 투고했습니다.