Honey Tip 주요 개념 정리

1) gray scale 이미지 차원 확장을 통해 input tensor input

 

image = np.stack((tr_image[0],)  , axis =  -1) 

# image.shape  = (28,28) gray scale 일 경우 위와  같이 np.stack을 통해서 차원확장하여 
# input tensor에 입력한다 .

 

2) rnn sling window 

### slicing window size 결정하는 문제또는 해당 슬라이싱을 유도하는 문제 

def slicing_windows(df , timesteps):
	values = df.values 
    datas = []
    
    for i in range((len(df)- timesteps) + 1):
        datas.append(values[i:i+timestep])
    return np.array(datas)
    
    
 ### 실제 timestep보다 1크게 해야 timestep까지 slicing 하고 timestep +1번째 y값 예측

3) image resize

 

#### image size는 기본적으로 input tensor size에 명시적으로 모델에게 선언해줘야함으로 align을 맞춰야함 


import cv2 

image  = cv2.resize(image , (SIZE,SIZE)) 

# SIZE는 원하는 변경 사이즈 
# 보통 255.0 scaling 이후 진행

 

4) 차원 align (CNN / RNN)

 

image input size = image size 
image input size는 input_tensor  

차원 같아야함 

outout layers의 Dense layer 갯수와 실제 label 갯수가 같아야함(categorical) 

regression problem의 경우에는 output dense layer = 1 

RNN Model의 input size = (slicing window size , feature 차원) 
이것도 차원 잘맞춰야함