전체 글99 [SEQUENCES, TIME SERIES AND PREDICTION] multi layer LSTM for time series 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Sequences, Time Series and Prediction 과정의 4주차 Real world time series data 챕터의 코드 예제입니다. multi LSTM layer를 사용한 time series data forcasting 코드 예제입니다. LSTM layer에서 return_sequences = True로 해야, 다음 layer에 입력 길이 만큼 아웃풋으로 전달할 수 있습니다. import tensorflow as tf import numpy as np import matplotlib.pyplot as plt print(tf.__version__) def plot_series(tim.. 2020. 11. 11. [SEQUENCES, TIME SERIES AND PREDICTION] Mini batch gradient descent DNN에서 time serise data를 traning할 때, batch data가 많으면, traing에 오랜 시간이 걸린다. 그래서, batch중에 선정한 mini batch를 이용해서 빠르게 gradient descent를 진행하는 것이 traing에 더 빠른 효과가 있다. 아래는 관련 유튜브 강의이니 참고하기 바란다. www.youtube.com/watch?v=4qJaSmvhxi8 2020. 11. 11. [SEQUENCES, TIME SERIES AND PREDICTION] RNN, LSTM for time series 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Sequences, Time Series and Prediction 과정의 3주차 RNN for time series 챕터의 코드 예제입니다. RNN으로 이전 window의 time series data를 보고 window 바로 직후의 data를 예측한다. import tensorflow as tf import numpy as np import matplotlib.pyplot as plt print(tf.__version__) def plot_series(time, series, format="-", start=0, end=None): plt.plot(time[start:end], series[start:e.. 2020. 11. 11. [SEQUENCES, TIME SERIES AND PREDICTION] Deep neural network for time series 예측 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Sequences, Time Series and Prediction 과정의 2주차 Deep neural network for time series 챕터의 코드 예제입니다. DNN으로 이전 window의 time series data를 보고 window 바로 직후의 data를 예측한다. 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 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 .. 2020. 11. 11. [SEQUENCES, TIME SERIES AND PREDICTION] Preparing features and labels 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Sequences, Time Series and Prediction 과정의 1주차 Sequences and Prediction 챕터의 코드 예제입니다. time serise data를 traing data 포멧에 맞게 변환하는 과정을 각 print()마다 볼 수 있도록 되어있다. 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 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 import tensorflow as tf import numpy.. 2020. 11. 11. [SEQUENCES, TIME SERIES AND PREDICTION] Sequences and Prediction 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Sequences, Time Series and Prediction 과정의 1주차 Sequences and Prediction 챕터의 코드 예제입니다. time series data를 생성하고, 간단한 moving average를 이용해서 forcasting하는 과정입니다. 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 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 .. 2020. 11. 11. [NATURAL LANGUAGE PROCESSING IN TENSORFLOW] Sequence models and Literature 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Natural Language Processing in TensorFlow 과정의 4주차 sequence models and literature챕터의 코드 예제입니다. laurence to poetry 한 문학의 문장들을 학습시킨 모델을 이용해서, 첫 몇 단어를 seed로 모델에 주면, 이후 단어들을 예측해서 문장들을 자동으로 써나가는 코드이다. 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 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 5.. 2020. 11. 11. [NATURAL LANGUAGE PROCESSING IN TENSORFLOW] Sequence models 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Natural Language Processing in TensorFlow 과정의 3주차 sequence models 챕터의 코드 예제입니다. 1) imdb reviews 데이터 로드 2) training과 testing data 분리 3) 미리 token화된 subword 데이터를 로드해서 token으로 사용 4) LSTM 모델 구성 -> multi bidirectional LSTM 5) vecs.tsv 와meta.tsv를 만들어서 단어 비쥬얼라이즈tool에서 로드해서 각 단어의 의미별 vector 군집도를 확인하는데 사용할수도있다. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1.. 2020. 11. 11. [NATURAL LANGUAGE PROCESSING IN TENSORFLOW] subwords text encoder 코세라의 deeplearning.AI tensorflow developer 전문가 자격증 과정내에 Natural Language Processing in TensorFlow 과정의 2주차 word embeddings 챕터의 코드 예제입니다. 1) imdb reviews 데이터 로드 2) training과 testing data 분리 3) 미리 token화된 subword 데이터를 로드해서 token으로 사용 4) Deep Nural Network 모델 구성 -> 첫 layer에 Embedding layer를 사용 5) vecs.tsv 와meta.tsv를 만들어서 단어 비쥬얼라이즈tool에서 로드해서 각 단어의 의미별 vector 군집도를 확인하는데 사용할수도있다. 1 2 3 4 5 6 7 8 9 10 1.. 2020. 11. 11. 이전 1 ··· 5 6 7 8 9 10 11 다음