predict 메서드는 모델이 한 번도 학습한 적 없는 새로운 데이터에 대해 호출되며, 예측 결과와 실제 값이 콘솔에 함께 출력됩니다.관련 글: TensorFlow란 무엇이며, Keras는 TensorFlow와 어떻게 연동되어 신경망을 생성할까요?핵심 개념 정리이 튜토리얼에서는 Keras Sequential API를 사용합니다. Sequential API는 여러 층(layer)을 순서대로 쌓아 올리는 순차 모델을 구축할 때 매우 유용하며, 각 층은 정확히 하나의 입력 텐서와 하나의 출력 텐서를 가집니다.최소 하나 이상의 합성곱 층(

타이타닉 데이터셋은 TensorFlow와 Estimator를 활용해 검사할 수 있습니다. 피처(feature)들을 하나씩 순회하면서 리스트 형태로 변환한 뒤, 콘솔에 출력하는 방식입니다.이 글에서는 순차적 모델을 구축하는 데 유용한 Keras Sequential API를 사용합니다. Sequential 모델은 단순한 레이어 스택 구조로 동작하며, 각 레이어는 정확히 하나의 입력 텐서와 하나의 출력 텐서를 가집니다.참고로 최소 한 개 이상의 컨볼루션 레이어를 포함하는 신경망은 CNN(Convolutional Neural Network

TensorFlow는 부스트 트리(boosted trees)와 함께 사용하면 데이터셋에 대한 예측 성능을 크게 향상시킬 수 있습니다. 데이터는 일반적인 방식대로 로드하고 전처리하며, 예측 단계에서는 여러 개의 모델이 동시에 예측을 수행한 뒤, 각 모델의 출력을 결합하여 최종 결과를 도출하는 것이 핵심입니다.함께 읽으면 좋은 글: TensorFlow란 무엇이며, Keras는 어떻게 TensorFlow와 함께 동작해 신경망을 만들까요?이 튜토리얼에서는 Keras Sequential API를 사용합니다. Sequential API는 레이

TensorFlow와 사전 훈련된(pre-trained) 모델을 활용하면 matplotlib 라이브러리를 통해 데이터를 손쉽게 시각화할 수 있습니다. 특히 plot 메서드를 사용하면 콘솔에 데이터를 그래프 형태로 출력할 수 있어, 모델의 학습 과정을 한눈에 파악하는 데 유용합니다.전이 학습(Transfer Learning)의 기본 개념합성곱 계층(convolutional layer)을 하나 이상 포함하는 신경망을 합성곱 신경망(CNN)이라고 부르며, 이를 활용하여 학습 모델을 구축할 수 있습니다.여기서는 사전 훈련된 네트워크의 전이

evaluate와 predict 메서드를 사용하면 TensorFlow의 사전 학습된 모델로 데이터를 평가하고 예측할 수 있습니다. 먼저 입력 이미지 배치(batch)를 평탄화(flatten)한 뒤, 모델에 시그모이드(sigmoid) 함수를 적용하여 로짓(logit) 값을 반환받습니다. 전이 학습(Transfer Learning)의 핵심 개념 하나 이상의 컨볼루션 레이어(convolutional layer)를 포함하는 신경망을 컨볼루션 신경망(CNN)이라고 하며, 이를 활용해 학습 모델을 구축할 수 있습니다. 본 글에서는 사전 학습

TensorFlow에서는 get_file 메서드를 활용해 단일 이미지를 손쉽게 다운로드하여 모델을 테스트할 수 있습니다. 구글 API가 제공하는 이미지 URL을 get_file 메서드의 매개변수로 전달하면, 현재 실행 환경에 해당 데이터셋이 자동으로 저장됩니다.사전 지식: CNN과 전이 학습최소 한 개 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망을 합성곱 신경망(CNN)이라고 하며, 이를 활용해 학습 모델을 구축할 수 있습니다.이미지 분류에서 전이 학습(transfer learning)의 핵심 아이디어

TensorFlow를 사용하면 이미지를 NumPy 배열로 변환한 후 배치 차원(batch dimension)을 추가하여 모델에 손쉽게 전달할 수 있습니다.핵심 개념 이해하기합성곱 계층(convolutional layer)이 하나 이상 포함된 신경망을 합성곱 신경망(CNN, Convolutional Neural Network)이라고 하며, 이를 활용해 학습 모델을 구축할 수 있습니다.이 글의 코드는 Google Colaboratory(이하 Colab) 환경에서 실행됩니다. Colab은 브라우저에서 바로 Python 코드를 실행할 수

TensorFlow는 이미지를 NumPy 배열로 변환하여 예측 결과를 손쉽게 디코딩할 수 있도록 도와주는 강력한 딥러닝 프레임워크입니다. 이 글에서는 사전 학습된 이미지 분류 모델의 예측 결과를 해석하는 과정을 단계별로 살펴보겠습니다.TensorFlow와 Keras의 관계합성곱 계층(convolutional layer)을 하나 이상 포함하는 신경망을 합성곱 신경망(CNN, Convolutional Neural Network)이라고 부르며, 이를 활용하면 이미지 인식에 특화된 학습 모델을 효율적으로 구축할 수 있습니다. Keras는

TensorFlow의 image_dataset_from_directory 메서드를 활용하면 꽃 데이터셋을 손쉽게 로드하고, 디스크에 저장된 이미지 파일을 직접 사용해 모델을 학습시킬 수 있습니다.전이 학습(Transfer Learning)과 TensorFlow Hub적어도 하나 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망을 합성곱 신경망(CNN)이라고 하며, 이를 활용해 이미지 학습 모델을 구축할 수 있습니다.이미지 분류에서 전이 학습의 핵심 아이디어는 다음과 같습니다. 대규모 범용 데이터셋으로 사전

TensorFlow를 사용하면 클래스 이름을 NumPy 배열로 변환한 뒤, tf.keras.layers.experimental.preprocessing 패키지에 포함된 Rescaling 메서드를 통해 정규화 계층을 간단하게 구축할 수 있습니다.핵심 개념 이해하기합성곱 신경망(CNN)이란?최소 하나 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망을 합성곱 신경망(Convolutional Neural Network)이라고 부릅니다. CNN은 이미지 인식과 분류에 특화되어 있으며, 이를 활용해 효율적인 학습 모

TensorFlow는 버퍼링된 프리페칭(buffered prefetching)을 활용하여 특징 추출기(feature extractor)를 만드는 데 사용할 수 있습니다. 이는 trainable=False로 설정하는 방식으로 구현됩니다.전이 학습(Transfer Learning)의 핵심 개념최소 한 개 이상의 컨볼루션 레이어(convolutional layer)를 포함하는 신경망을 컨볼루션 신경망(CNN)이라고 하며, 이를 활용해 학습 모델을 구축할 수 있습니다.이미지 분류에서 전이 학습의 직관적인 아이디어는 다음과 같습니다. 대규모

TensorFlow에서는 matplotlib 라이브러리의 imshow 메서드를 활용하여 ImageNet 모델이 생성한 예측 결과를 시각화함으로써 손쉽게 검증할 수 있습니다.사전 개념 이해하기합성곱 신경망(CNN)이란?합성곱 계층(convolutional layer)을 하나 이상 포함하는 신경망을 합성곱 신경망(CNN)이라고 부릅니다. CNN은 이미지 학습 모델을 구축할 때 가장 널리 사용되는 아키텍처입니다.전이 학습(Transfer Learning)의 직관적 원리이미지 분류에서 전이 학습의 핵심 아이디어는 다음과 같습니다. 대규모의

TensorFlow는 사전 훈련된(pre-trained) 모델을 활용하여 이미지의 특징(feature)을 손쉽게 추출할 수 있습니다. 이 과정에서는 미리 정의된 특징 추출기(feature extractor) 모델을 hub.KerasLayer 메서드에 연결하여 사용합니다.전이 학습(Transfer Learning)의 기본 개념합성곱 신경망(Convolutional Neural Network, CNN)은 최소 하나 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망으로, 이를 활용해 학습 모델을 구축할 수 있습니

TensorFlow는 사전에 정의된 특징 추출기(feature extractor) 모델을 활용하여, Dense 레이어를 포함하는 순차(Sequential) 모델에 분류 헤드(classification head)를 간편하게 연결할 수 있도록 지원합니다. 함께 읽으면 좋은 글:TensorFlow란 무엇이며, Keras는 어떻게 TensorFlow와 함께 작동하여 신경망을 생성할까요? 핵심 개념 최소 하나 이상의 합성곱 레이어(convolutional layer)를 포함하는 신경망을 합성곱 신경망(CNN)이라고 부르며, 이를 활용해 학

TensorFlow에서는 fit 메서드를 사용하여 데이터를 모델에 맞추고(학습시키고) 할 수 있습니다.관련 글: TensorFlow란 무엇이며, Keras는 어떻게 TensorFlow와 함께 작동하여 신경망을 만들까요?전이 학습(Transfer Learning)과 합성곱 신경망최소 하나 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망을 합성곱 신경망(CNN, Convolutional Neural Network)이라고 하며, 이를 활용해 학습 모델을 구축할 수 있습니다.이미지 분류에서 전이 학습의 기본 아이

TensorFlow에서는 matplotlib 라이브러리의 plot() 메서드를 활용하여 훈련 단계(Training Steps)에 따른 손실(Loss) 변화를 손쉽게 시각화할 수 있습니다. 이를 통해 모델이 학습되는 과정을 한눈에 파악하고, 학습이 제대로 진행되고 있는지 확인할 수 있습니다.전이 학습(Transfer Learning)과 CNN의 개요하나 이상의 합성곱 계층(Convolutional Layer)을 포함하는 신경망을 합성곱 신경망(CNN, Convolutional Neural Network)이라고 하며, 이를 활용해 이미

TensorFlow는 predict 메서드와 NumPy 패키지의 argmax 메서드를 활용하여 모델의 예측 결과를 손쉽게 확인할 수 있습니다.전이 학습(Transfer Learning)과 이미지 분류적어도 하나 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망을 합성곱 신경망(CNN)이라고 하며, 이를 활용해 학습 모델을 구축할 수 있습니다.이미지 분류에서 전이 학습의 핵심 아이디어는 다음과 같습니다. 대규모의 일반적인 데이터셋으로 학습된 모델은 시각 세계 전반에 적용할 수 있는 범용 모델 역할을 할 수 있

TensorFlow는 matplotlib 라이브러리의 imshow 메서드를 활용하여 모델의 예측 결과를 손쉽게 플롯(시각화)할 수 있습니다.전이 학습과 이미지 분류의 기본 개념최소 하나 이상의 합성곱 계층(convolutional layer)을 포함하는 신경망을 합성곱 신경망(CNN)이라고 하며, 이를 활용하면 효율적으로 학습 모델을 구축할 수 있습니다.이미지 분류에서 전이 학습(Transfer Learning)의 핵심 아이디어는 다음과 같습니다. 대규모 범용 데이터셋으로 학습된 모델은 시각적 세계에 대한 일반적인 특징 맵(feat

TensorFlow는 사용자가 직접 클래스를 정의하여 신경망의 계층(layer)을 유연하게 구성할 수 있도록 지원합니다. 이 글에서는 tf.keras.Model을 상속받는 ResnetIdentityBlock 클래스를 정의하고, 여러 개의 계층을 하나의 블록으로 묶어 재사용 가능한 형태로 조립하는 방법을 살펴봅니다.함께 읽으면 좋은 글: TensorFlow란 무엇이며, Keras는 TensorFlow와 어떻게 연동되어 신경망을 생성할까?합성곱 신경망(CNN)과 TensorFlow Hub최소 하나 이상의 합성곱 계층(convolutio

products.csv 파일이 있다고 가정해 보겠습니다. 이 파일의 전체 행·열 개수와, 처음 10개 행 중에서 product 열의 값이 Car와 일치하는 결과는 다음과 같습니다.products.csv 파일은 여기에서 다운로드할 수 있습니다.Rows: 100 Columns: 8id     product    engine    avgmileage    price  &