머신 러닝 교과서 2판
- 텐서플로와 훈련 성능
- 성능 문제
- 텐서플로란?
- 텐서플로 학습 순서
- 텐서플로 처음 시작하기
- 텐서플로 설치
- 텐서플로에서 텐서 만들기
- 텐서의 데이터 타입과 크기 조작하기
- 텐서에 수학 연산 적용하기
- split(), stack(), concatenate() 함수
- 텐서플로 데이터셋 API(tf.data)를 사용하여 입력 파이프라인 구축하기
- 텐서에서 텐서플로 데이터셋 만들기
- 두 개의 텐서를 하나의 데이터셋으로 연결하기
- shuffle(), batch(), repeat() 메서드
- 로컬 디스크에 있는 파일에서 데이터셋 만들기
tensorflow_datasets라이브러리에서 데이터셋 로드하기
- 텐서플로로 신경망 모델 만들기
- 텐서플로 케라스 API (tf.keras)
- 선형 회귀 모델 만들기
.compile()과.fit()메서드를 사용한 모델 훈련- 붓꽃 데이터셋을 분류하는 다층 퍼셉트론 만들기
- 테스트 데이터셋에서 훈련된 모델 평가하기
- 훈련된 모델 저장하고 복원하기
- 다층 신경망의 활성화 함수 선택
- 로지스틱 함수 요약
- 소프트맥스 함수를 사용한 다중 클래스 확률 예측
- 하이퍼볼릭 탄젠트로 출력 범위 넓히기
- 렐루 활성화 함수
- 요약
이 책의 코드를 사용하는 가장 좋은 방법은 주피터 노트북(.ipynb 파일)입니다. 주피터 노트북을 사용하면 단계적으로 코드를 실행하고 하나의 문서에 편리하게 (그림과 이미지를 포함해) 모든 출력을 저장할 수 있습니다.
주피터 노트북은 매우 간단하게 설치할 수 있습니다. 아나콘다 파이썬 배포판을 사용한다면 터미널에서 다음 명령을 실행하여 주피터 노트북을 설치할 수 있습니다:
conda install jupyter notebook
다음 명령으로 주피터 노트북을 실행합니다.
jupyter notebook
브라우저에서 윈도우가 열리면 원하는 .ipynb가 들어 있는 디렉토리로 이동할 수 있습니다.
설치와 설정에 관한 더 자세한 내용은 1장의 README.md 파일에 있습니다.
(주피터 노트북을 설치하지 않았더라도 깃허브에서 ch13_part1.ipynb과 ch13_part2.ipynb을 클릭해 노트북 파일을 볼 수 있습니다.).
코드 예제 외에도 주피터 노트북에는 책의 내용에 맞는 섹션 제목을 함께 실었습니다. 또한 주피터 노트북에 원본 이미지와 그림을 포함시켰기 때문에 책을 읽으면서 코드를 쉽게 따라할 수 있으면 좋겠습니다.
