[음악] 이번 딥러닝 모듈에서 딥러닝으로 가능한 두 가지
멋진 일들을 살펴봤습니다 이미지 분류와 검색이었습니다 두 번 다 딥 특징에 대해 설명드렸죠 이제 딥 특징을 사용해 이미지를 분류하는 노트북을
만들어 봅시다 먼저 이름을 지어야겠죠 딥 특징으로 이미지 분류하기 라고 합니다 헤더와 툴바를 감춰서 공간을 확보합니다 이제 오타가 여기 있었네요 GraphLab Create을 실행합니다 GraphLab을 도입합니다 됐죠 먼저 공통 이미지 분석 데이터 세트를
불러옵니다 이 벤치마크 데이터 세트는
CIFAR-10라고 합니다 그중 우리가 인식하고자 하는 카테고리 4개만 선택합니다 데이터 세트를 불러오면 이미 훈련 데이터와 테스트 데이터로 나뉘어 있습니다 컴퓨터 비전에서 모든 연구자가
같은 훈련 세트와 같은 테스트 세트를 써야
상호비교가 가능하기 때문이죠 데이터 세트가 있는 SFrame을
불러옵니다 graphlab.SFrame에 훈련 데이터는 image_train_data 안에 있습니다 테스트 데이터는 image_test라고 하죠 이 SFrame은 image_test_data라고 할게요 데이터 세트 두 개를 불러들였습니다 데이터 탐색부터 좀 하지요 이미지 데이터 탐색하기 캔버스를 사용할 텐데 먼저 노트북에 보이도록 설정해야 합니다 이전에도 계속 해왔죠 이제 하나로 만들어서 집에 싸가도 됩니다 캔버스 대상을 IPython 노트북으로 설정합니다 이제 모든 걸 IPython 노트북에
출력하게 됩니다 훈련 데이터부터 살펴보죠 image_train에는 열이 몇 개 있지만 우리에게 중요한 건 이미지 열입니다 .show를 붙여 입력해서 재빨리 살펴봅니다 이미지가 별로 크지 않으니
잠시 폰트를 확대해서 이미지를 보겠습니다 살펴보면 새, 고양이, 개, 차가 있습니다 데이터 세트는 고양이, 개, 차,
새로만 이루어져 있네요 [음악]