GoogleColaboratory에서 처음부터 만드는 Deep Learning 샘플 코드를 실행했을 때의 메모

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.

    좋은 웹페이지 즐겨찾기