전체 글 (108) 썸네일형 리스트형 [I2S] extract feature train_41에 데이터가 없음 4400개밖에 안올라감 --> 다시 올린다. 잘못 올라가 있는 애들을 다시 올려야하겠다. 2개의 runtime이 drive에 접근중이라 그런지 i/o가 잘 안된다. train14~30까지 npy를 저장할 train_14 _npy 폴더를 만들어 놓지 않아서 계속 실패 했었던 것임. david계정에 Data3를 생성하는중. 21,22,23 만 되고 다 안되었다... 왜 i/o에러가 계쏙 뜨는것일까? runtime1개만 drive에 접근중인데? 예외처리를 이용하여 코드를 짜보자. 18,19,20은 나중에 추가로 하자. 지금은 24부터 생성하도록 해보자. train3, train4 둘다 추출중에 train_60에서 한 이미지가 존재하지 않아서 추출이 되지 않았다. --> 코드를 .. [I2S] 16.1.6가짜 셰익스피어 텍스트를 생성하기 char-RNN 모델을 사용하여 새로운 텍스트를 생성하려면 먼저 초기 텍스트를 주입하고 모델이 가장 가능성 있는 다음 글자를 예측합니다. 이 글자를 텍스트 끝에 추가하고 늘어난 텍스트를 모델에 전달하여 다음 글자를 예측하는 식입니다. 실제로는 이렇게 하면 같은 단어가 계속 반복되는 경우가 많습니다. 대신 텐서플로의 tf.random.categorical()함수를 사용해 모델이 추정한 확률을 기반으로 다음 글자를 무작위로 선택 할 수 있습니다. [I2S]RNN과 어텐션을 사용한 자연어 처리 문장에서 다음 글자를 예측하도록 훈련하는 문자 단위 RNN 새로운 텍스트를 생성하고 그 과정에서 매우 긴 시퀸스를 가진 텐서플로 데이터셋을 만드는 방법. 상태가 없는 RNN(stateless RNN)을 사용하고 다음에 상태가 있는 RNN(stateful RNN)을 구축하겠습니다. (상태가 없는 RNN은 각 반복에서 무작위하게 택한 텍스트의 일부분으로 학습하고, 나머지 텍스트에서 어떤 정보도 사용하지 않습니다. --> 이전 반복의 정보가 들어가지 않는다는 뜻. 상태가 있는 RNN은 훈련 반복 사이에 은닉 상태를 유지하고 중지된 곳에서 이어서 상태를 반영합니다. 그래서 더 긴 패턴을 학습할 수 있습니다.). 그 다음에는 감성 분석(영화 리뷰를 읽고 이 영화에 대한 평가자의 느낌을 추출하는 등)을 수행하는 R.. 이전 1 ··· 16 17 18 19 20 21 22 ··· 36 다음
