다음의 URL 주소에서 개발자를 위한 안드로이드 스튜디오를 다운로드 하자. 아래 URL 주소로 이동하여 마저 읽어 보세요. ![마나마인로고.png]

배우기 쉬운 앱인벤터에서 수직 레이아웃을 하나 설정 후 3개의 버튼을 배치하여 그 속성을 한글로 입력 후 윈도우즈 PC의 안드로이드 스튜디오와 USB 케이블로 연결된 상태에서 스마트폰 화면 출력을 관찰해 보자. 이 부분이 이해가 된다면 안드로이드 스튜디오를 쉽게 배울 수 있지 않을까? 갑자기 안드로이드 스튜디오를 설치하고 그 사용법을 학습하는 이유는 안드로이드

TensorFlow에 이어 머신 러닝의 중요한 한 축을 담당하고 있는 PyTorch를 TensorFlow 와 마찬가지로 가상환경을 설정 후 아나콘다에 설치해 보기로 하자. PyTorch 는 TensorFlow가 2.0으로 업그레이드 전에 이미 2012년 발표되었던 AlexNet에서부터 2017년 RestNet에 이르기까지 Image Classification을

엄청난 전파속도를 가지고 우환을 중심으로 중국 대륙을 감염의 위험으로 몰아 넣고 있는 신종 코로나 바이러스 즉 우환폐렴의 감염자 수 예측이 무성하다. 재생산지수라든지 감염 메카니즘이라든가 많은 요인들이 있을 수 있지만 RNN(Recurrent Neural Network) 방식에 의해서 향후 5일 이후의 대략적인 감염자 수를 예측 계산해 보도록 하자. RNN

아나콘다에서 가상환경을 설정하여 tensorflow2.0을 사용할 수 있는 환경을 구성하였다. 하지만 지금까지 사용해 왔던 코드들을 모두 다 tensorflow2.0 버전에 맞춰 변경하기에는 너무나 많은 수정 작업이 필요할지도 모르겠다. 아나콘다 조차도 수십번에 걸쳐 install 및 uninstall 작업을 시행했더니 spyder 편집기 설치에 심한 이상이

Iris flowers 데이터를 대상으로 Pandas 라이브러리의 기본 사용법을 알아보자. pd.read_csv 는 Pandas 라이브러리 지원하에 웹 URL 주소에서 CSV 파일을 읽어 들이는 명령 사례이다. CSV 파일은 숫자와 콤마 또는 세미콜론과 같은 구분문자(delimiter)로 이루어지는 엑셀에서 준비 가능하지만 엑셀 포맷이 아닌 텍스트형 데이터

텐서플로우 1.15.0 버전에서 MNIST 코드를 실행하고 읽어 들인 수기 문자 중의 하나를 matplot 라이브러리를 사용 흑백으로 출력해 보자. 함수 gen_image(arr)에서 arr은 placeholder에서 읽어 들이는 1X784 데이터 하나를 arr 로 넘겨주면 28X28 로 reshape 하여 출력한다. 함수 gen_image(arr)은 Session

이미 TensorFlow 환경 하에서 Anaconda3(64bit)의 Anaconda Prompt 창에서 필요한 라이브러리 모듈들과 함께 spyder 설치를 완료하였으며 이어서 Anaconda Navigator에서 Jupyter Notebook 도 설치해 보도록 하자. Jupyter Notebook 은 한편으로는 Google 에서 제공하는 Cloud 형 GPU

Keras 라이브러리 지원 하에서 MNIST hand written digits 예제를 다루어 보자. MNIST 예제는 현재 아직도 미국에서 개인들이 사용하는 우편물에서 반드시 수기로 기입해야 하는 지역 코드 즉 ZIP 코드를 대상으로 0∼9까지의 숫자를 6만개의 학습용(training) 데이터와 동일한 품질의 테스트용 데이터 1만개를 디지털화하여 데이터베이스를

TensorfFlow 2.0 으로의 업그레이드에 앞서 텐서플로우 1.15.0 버전에서 실행되는 MNIST 코드를 어떻게 사용할 것인지 살펴보자. 다음의 헤더영역의 명령 구조를 관찰해 보자. 첫줄은 tensorflow 2.0 으로 선언하여 tensorflow 라이브러리를 불러들이는 명령으로서 앞으로 2.0을 사용하게 되면 자주 사용하게될 명령이다. 한편 두 번째

아나콘다 네비게이터 Envirinments 하단의 Create 버튼을 누르면 오른 쪽 Create new environment 창이 나타남을 볼 수 있다. Name 박스에 새로이 설치하려는 가상 환경 이름을 입력하자. 여기서는 tensorflow_old 로 입력하였으며 아울러 Python 버전 3.5를 선택하고 Create 버튼을 클릭하면 tensorflow_old

텐서플로우 2.0 으로 업그레이드 후 1.6 버전에서 실행에 아무런 문제가 없던 코드를 실행한 결과 다음의 메시지가 출현했다. 예를 들면 tf.placeholder 가 유지보수가 중단(deprecated)되었으므로 tf.compat.v1.placeholder를 사용하라는 권고 메시지였다. 코드 별로 수정 작업이 빈번히 필요할 것이다. 그밖에 eager execution

2018년 12월 “파이선 코딩 초보자를 위한 텐서플로우∙OpenCV 머신러닝”을 출간한 이후 2020년 1월 현재 아나콘다에서 가장 사용빈도가 높았던 텐서플로우 가상공간 설치 작업에 중요한 변화가 있었다. 가장 큰 변화는 이미 2019년에 예고되었던 Back End 인 TensorFlow 버전 2.0으로 업그레이드 하는 문제이며 현재 Front End로 사용

XOR 데이터나 Iris Flowers 데이터 Classification에서 샘플들과 Hyperplane이 함께 표시되도록 Sklearn에서 지원하는 plot_decision_regions 루틴을 사용하여 작도하였으나 이 루틴을 TensorFlow 코드와 연동하여 사용하기 위해서는 코드의 일부를 TensorFlow 코드에 맞춰서 수정할 필요가 있다. 다음 URL

Sklearn의 SVC는 hyperplane 경계에서 데이터가 혼합되어 있는 경우 중요 파라메터인 γ 와 C 값을 조절하여 Overfitting 조절이 가능하다. 따라서 SVC 예제에서처럼 Iris Flowers 데이터를 대상으로 다항식 기법을 적용한 TesnsorFlow 코드를 사용하여 결과를 비교해 보기로 하자. SVC루틴을 사용하여 결과를 아래와 같은

Sigmoid 활성화 함수 대신 Softmax를 사용하여 XOR 예제를 TensorFlow 로 코딩 처리해 보자. Sigmoid 활성화 함수를 사용할 때 생성된 입력 좌표 점들의 수를 pts 라 할 때 해당하는 라벨 데이터의 shape 값이 (pts, 1)이지만 Softmax를 사용할 때는 (pts, 2)인 점이 달라진다. 아래의 코드는 Sigmoid 활성화

XOR 로직 문제는 1969년 MIT AI 랩 교수였던 Minsky 교수의 공저인 Perceptron 저서에서 하나의 레이어만 가지고는 Rosenblatt의 퍼셉트론에 의한 머신러닝이 불가능하다고 지적했던 고전적인 문제로서 이미 뉴럴 네트워크(Neural Network)의 출현을 암시했었다. 물론 지금이야 누구나 다 Backpropagation 알고리듬을 알고