Á¤¼ºÈÆ
    keras_ex2
keras_ex2.py [1 KB]   keras_ex2_1.png [12 KB]  




1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import tensorflow as tf
import numpy as np
 
= np.array([[0,0],[0,1],[1,0],[1,1]])
= np.array([[0],[1],[1],[0]])
 
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(2, input_dim=2, activation='sigmoid'))
model.add(tf.keras.layers.Dense(1,  activation='sigmoid'))
 
sgd = tf.keras.optimizers.SGD(lr=0.1)
model.compile(loss='mean_squared_error', optimizer=sgd)
 
model.fit(X, y, batch_size=1, epochs=1000)
print(model.predict(X))
cs

  µî·ÏÀÏ : 2020-08-02 [03:12] Á¶È¸ : 205 ´Ù¿î : 159   
 
¡â ÀÌÀü±Ûlab1(MNIST)
¡ä ´ÙÀ½±Ûkeras_ex1
ÀΰøÁö´É ½Ç½À
¹øÈ£ ¨Ï Á¦ ¸ñ À̸§
ÀΰøÁö´É (õÀα¹ Àú) ÄÚµå
¨ÕÆÄÀÌÅäÄ¡ ù°ÉÀ½ (ÃÖ°ÇÈ£ Àú) ÄÚµå
34 ÀΰøÁö´É (õÀα¹ Àú) ÄÚµå Á¤¼ºÈÆ
33 ¦¦❶ (15Àå) ½Å°æ¸Á IV(ÄÁº¼·ç¼Ç ½Å°æ¸Á) Á¤¼ºÈÆ
32    ¦¦❷ ¨Õfashion2 Á¤¼ºÈÆ
31    ¦¦❷ ¨Õfashion1 Á¤¼ºÈÆ
30 ¦¦❶ (14Àå) ½Å°æ¸Á III(µö·¯´×) Á¤¼ºÈÆ
29    ¦¦❷ ¨ÕMNIST Á¤¼ºÈÆ
28 ¦¦❶ (13Àå) ½Å°æ¸Á II(MLP) Á¤¼ºÈÆ
27    ¦¦❷ lab1(MNIST) Á¤¼ºÈÆ
26    ¦¦❷ ¨Õkeras_ex2 Á¤¼ºÈÆ
25    ¦¦❷ ¨Õkeras_ex1 Á¤¼ºÈÆ
24    ¦¦❷ mlp Á¤¼ºÈÆ
23    ¦¦❷ ¨Õgrad_descent Á¤¼ºÈÆ
22 ¦¦❶ (12Àå) ½Å°æ¸Á I(ÆÛ¼ÁÆ®·Ð) Á¤¼ºÈÆ
21    ¦¦❷ xor Á¤¼ºÈÆ
20    ¦¦❷ perceptron2 Á¤¼ºÈÆ

[1][2][3][4][5][6]