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 |
Tags
- Transport layer
- demultiplexing
- 운영체제
- 신경망 첫걸음
- RDT
- 인터럽트
- function call
- 딥러닝
- 3분 딥러닝
- LED
- 신경망
- Linux
- 모두를 위한 딥러닝
- Router
- 디바이스 드라이버
- Interrupt
- 펌웨어
- Switch
- Class Activation Map
- 스위치
- 텐서플로우
- file descriptors
- GPIO
- 밑바닥부터 시작하는 딥러닝
- Network layer
- 모두를 위한 딥러닝]
- Generalized forward
- 리눅스
- LED 제어
- TensorFlow
Archives
- Today
- Total
목록정확도 (1)
건조젤리의 저장소
MNIST 예제의 정확도가 너무 낮게 나온다면? (정규화의 중요성)
다들 MNIST Dataset 을 이용하여 딥러닝 모델을 테스트 한 적이 있을 것입니다. 아무리 단순한 모델이더라도 정확도는 약 80%이상이 나오게 되는데요, 정확도가 20% 이하가 나오게 되면 무슨 문제일까요? 정확도가 낮게 나오는 이유는 여러가지가 있겠지만, 대표적인 문제 중 하나는 입력 데이터의 정규화를 거치지 않으면 생기는 문제입니다. tensorflow 1.x 하위 버전에서는 tensorflow.examples.tutorials.mnist.input_data 라는 모듈이 존재하여, mnist 이미지를 손쉽게 불러올 수 있었고, 각 픽셀값이 0과 1사이로 정규화가 되어 있습니다. 하지만 상위 버전에서는 tf.keras.datasets.mnist.load_data() 모듈을 사용해야 합니다. 불러온..
공부 기록/인공지능
2020. 1. 6. 14:27