양갱로그

Normalization/Standardization/Regularization Data preprocessing을 위해 Normalization, Standardization과 같은 방법을 사용한다. model의 weight가 overfitting하는 것을 막기 위해 Regularization을 사용한다. Normalization original data distribution을 (0, 0)으로 shift 한 후, 분포의 범위를 [0,1]로 rescale 하는 방법 $$ \frac{X-\min(X)}{\max(X)-\min(X)} \ or \ \frac{X-\mu}{\sigma} \ \text{2번째는 standardization이기도 함.} $$ 사용하는 이유 Local minimum에 빠질 가능성을..

Learning Rate cost function(loss function)의 global minimum을 찾기 위해서 Gradient descent를 사용한다. $$ \mathbf{W} := \mathbf{W} - \alpha \frac{\partial}{{\partial}\mathbf{W}}loss(\mathbf{W}) $$ 위 gradient descent에서 곱해지는 $\alpha$ 값이 learning rate이다. learning rate가 큰 경우 Overshooting 발생 learning rate가 작은 경우 training 속도가 너무 느림 보통 learning rate는 0.01로 설정 후 학습해보고 학습 결과가 발산하면 값을 줄이고, 학습 시간이 너무 오래걸리면 큰 값으로 설정한다.

Scikit-learn Benchmark용 Dataset example Data preprocessing Supervised Learning Unsupervised Learning Model evaluation and selection sklearn.datasets : 예제 데이터셋 제공 load 계열 : scikit-learn 패키지에 같이 포함된 데이터 fetch 계열 : 인터넷에서 다운로드할 수 있는 대량의 데이터 make 계열 : 확률분포를 사용해 가상의 데이터 생성 load_boston : 보스턴 집값 (회귀 분석용) load_diabetes : 당뇨병 (회귀 분석용) load_linnerud : linnerud (회귀 분석용) load_iris : 붓꽃 (분류용) load_digits : 숫자..

Brain 모든 에이전트에 할당해야하는 요소. 에이전트가 환경에서 어떠한 행동을 하기 위해서는 꼭 이 브레인이 필요하다. Player Brain Heuristic Brain Learning Brain 공통 요소 Copy Brain Parameters from 다른 브레인의 파라미터를 복사할 때 사용한다. Vector Observation Space Size와 Stacked Vectors를 설정할 수 있다. space size : AddVectorObs로 추가했던 observation의 수와 동일하게 설정해줘야한다. 값이 동일하지 않으면 에러가 발생한다. stacked size : observation을 설정한 stacked size 값만큼 이어붙여서 observation vector수가 늘어나게 되며 이..

참고 도서 - 텐서플로와 유니티 ML-Agent로 배우는 강화학습 포스팅은 해당 도서를 공부 하면서 정리 목적으로 작성되었습니다. 문제 시 삭제하도록 하겠습니다. 유니티 ML-Agents 유니티 ML-Agents를 사용하는 방법 유니티 ML-Agents의 내장 알고리즘 사용하기 ML-Agents를 이용해 환경을 제작하고 빌드한다. 해당 환경의 에이전트를 기본적으로 제공하고 있는 알고리즘을 이용해 학습시킨다. 학습이 완료된 딥러닝 모델이 nn 확장자를 가진 파일로 저장된다. nn 파일을 유니티 환경 내 에이전트에게 적용한다. 파이썬으로 구성한 에이전트를 사용하기 파이썬으로 구성된 강화학습 알고리즘을 이용해서 상태에 맞는 행동을 선택한다. 선택한 행동을 유니티 환경의 에이전트에게 전달한다. 에이전트는 전달받..

이번에는 이미지의 채널을 변환하고 분리하고 병합하는 것이다. import cv2 as cv from google.colab.patches import cv2_imshow img_path = '/content/drive/My Drive/다핏문제/907/lena.jpg' * 채널 변환 # OpenCV의 삼원색 기본 순서는 BGR이다. img_bgr = cv.imread(img_path,1) img_rgb = cv.cvtColor(img_rgb, cv.COLOR_BGR2RGB) cv2_imshow(img_bgr) cv2_imshow(img_rgb) * 채널 분리 및 병합 b,g,r = cv.split(img_bgr) img_rbg = cv.merge((r,b,g)) cv2_imshow(img_rbg..