Conda를 활용해서 tensorflow 환경을 구성하고 package를 설치할 때 tensorflow-gpu를 설치했다면, 기본 설정이 CPU 연산이 아닌 GPU연산으로 변경된다. 이렇게 될 경우 keras의 Fit()함수를 써서 학습을 시킬 경우 cuDNN package를 못찾는 경고가 뜬다. 이 경고는 해당 시스템에 cuDNN이 포함된 CUDA Toolkit이 설치되어 있지 않기 때문에 발생하는 문제이고, Nvidia 사이트에서 CUDA Toolkit을 설치해야 한다. 참고로 윈도우 환경에서는 랩탑이든 데스크탑이든 Nvidia 칩셋이 있는 경우에만 gpu를 통해서 연산이 가능하다. AMD나 Intel GPU를 사용하려면 OpenCL같은게 포팅되어 있어야 하는데, 얼핏 찾기로는 Linux용 tenso..
* 여기에 담긴 내용은 Udemy에서 진행되는 DeepLearning A-Z(https://www.udemy.com/deeplearning)의 일부를 발췌했습니다. 지난 포스트까지 했던 작업은 Artificial Neural Network의 토대를 잡고 그 안에 들어갈 Layer의 정의, 특히 1개의 Input Layer와 2개의 Hidden Layer, 그리고 마지막 output Layer를 만들고 각각에 적용할 Activation function까지 정의했다. 이제 만들어진 Layer를 ANN로 묶어서 처리하는 과정이 필요하다. Keras에서는 이 과정을 compile이라고 말하는 것 같다. compile 함수의 인자로는 다음 내용이 들어간다. 여기서 필요한 인자는 optimizer, loss, me..
* 여기에 담긴 내용은 Udemy에서 진행되는 DeepLearning A-Z(https://www.udemy.com/deeplearning)의 일부를 발췌했습니다. 지난 포스트에서 test set과 training set을 생성했다. 이제 Artificial Neural Network을 구현해야 한다. 몇가지 Neural Network 생성용 library가 있는데, 여기서는 tensorflow와 Keras를 사용하려고 한다. 추가로 Keras의 내부 모듈중 Sequential 과 Dense를 사용하고자 한다. 참고로 Sequential은 Neural Network를 초기화하는데 필요한 모듈이고, Dense는 Neural Network를 구성하는 Layer를 생성하는데 필요하다.32333435# Impo..
* 여기에 담긴 내용은 Udemy에서 진행되는 DeepLearning A-Z(https://www.udemy.com/deeplearning)의 일부를 발췌했습니다. 나도 딥러닝이라는 것을 잘 모르는 상태에서 뭔가를 해보려는데 마침 간단한 python 예제(?)가 있어 같이 코드를 보면서 진행해보고자 한다. 우선 학습의 목적은 고객 정보가 담긴 Dataset을 분석해 성향을 분석하는 일종의 Churn Modeling이 되겠다.우선 spyder를 실행하고 필요한 Library를 불러온다. 일단 수치연산을 위한 numpy와 pandas, 시각화를 위한 matplotlib을 가져온다.123import numpy as npimport matplotlib.pyplot as pltimport pandas as pdc..
회사에서 스터디한다고 tool 설치하다가 삽질하던 case가 있어서 한번 남겨본다. 우선 windows 환경에서 제일 쉽게 설치하는 방법은 Anaconda라는 python기반의 IDE를 사용해서 설치하는 것이다. 물론 메인 사이트에선 python만 사용해서 설치하는 방법을 소개하고 있지만, 이게 더 편한거 같다. 우선 Anaconda를 설치한다. 이때 설치할때 중간 옵션에 보면 anaconda의 실행영역을 시스템 PATH 에 넣겠냐는 설정이 있는데, 이를 반드시 설정하고 설치한다.(기본적으로 체크되어 있던 것으로 설치한다.) 정상적으로 설치되었으면 command prompt를 열어서 conda를 실행해본다. 이때 conda의 help comment가 출력되지 않으면 해당 실행영역이 PATH로 안잡혀있다는..
리버스 엔지니어링(Reverse Engineering)이란 뭘까? 임베디드 개발을 얼마 해보진 않았지만, 그냥 나름대로 낸 생각으로는 만들어진 상태에서 어떤 과정을 거쳐 내부 동작 원리를 이해하고 분석하는 것이라고 생각한다. 물론 이게 처음 접하게 되면 무슨 내용인지 하나도 모른다. 그도 그럴게, 진짜 아무 툴도 없는 상태에서 동작원리를 알기란 쉽지 않기 때문이다. 그렇기 때문에 먼저 타겟 디바이스의 데이터 시트나 스펙을 읽고, 분석을 한다. 물론 운영체제와 같이 디바이스 상에서 돌아가는 SW의 형태도 분석하고, 그러고 나서 Trace32같은 하드웨어 디버거를 사용해서 실제 동작이 스펙에 나와있는 것과 같이 이뤄지는지를 확인하고 그 다음 과정을 거치곤 한다. 이런 모든 일련의 과정이 결국 디버깅이라는 게..
- Total
- Today
- Yesterday
- 딥러닝
- 강화학습
- reward
- processing
- Kinect
- bias
- SketchFlow
- arduino
- Windows Phone 7
- PowerPoint
- End-To-End
- Gan
- dynamic programming
- DepthStream
- Offline RL
- Variance
- Pipeline
- Policy Gradient
- 파이썬
- TensorFlow Lite
- 한빛미디어
- ColorStream
- Distribution
- Expression Blend 4
- windows 8
- Python
- Kinect SDK
- Kinect for windows
- RL
- Off-policy
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |