SOFTMAX2 파이썬 텐서플로우 One hot Encoding 예제 코드 (Python Tensorflow) 머신러닝 혹은 딥러닝을 수행하면서 Softmax 방법을 사용하기 위해서는 One hot encoding 방법을 사용해야 합니다. 이번 포스팅에서는 파이썬 텐서플로우를 사용해서 One hot encoding 코드를 예제를 통해 구현해보겠습니다. Tensorflow에는 1 버전과 2 버전이 있는 만큼 두 가지에서 각각의 버전에서 사용 가능한 코드를 구현하겠습니다. 예제 데이터 One hot encoding 예제를 풀기 위해서는 데이터가 필요합니다. 아래와 같이 예제 데이터를 선언할 계획이며, 이 중에서 Output data를 사용해서 예제를 구현해보겠습니다. Input data는 다른 예제에서 사용됩니다. # 예제 데이터 선언 import numpy as np Input_data = np.array([[1,.. 2021. 4. 10. DL #3 : 딥러닝 활성화 함수 종류 및 특징 (Activation Function) 활성화 함수는 Transfer Function 으로부터 전달 받은 값을 출력할 때 일정 기준에 따라 출력값을 변화시키는 비선형 함수입니다. 활성화 함수를 통해 출력 값을 0~1 사이의 실수 값으로 정규화해 확률적 개념으로 사용 가능합니다. 비선형함수는 직선으로 표현할 수 없는 데이터 사이의 관계도 표현할 수 있습니다. 대표적인 활성화 함수는 Sigmoid, tanh, ReLU 입니다. 계단 함수 (Step Function) 계단 함수는 선형 함수의 결과를 이진 분류로 나타내기 위한 함수로, 임계치 이상에서 1, 아니면 0을 출력합니다. 시그모이드 (Sigmoid) 시그모이드는 선형함수의 결과를 0~1 까지의 비선형 형태로 변형하기 위한 함수입니다. 해당 함수는 로지스틱 회귀와 같은 분류 문제의 확률 표현.. 2020. 5. 4. 이전 1 다음
