꿈이 너무 많은 한 대학생의 공간

축하합니다! 본 강좌를 모두 끝마치셨습니다. Tensorflow 를 통해 MNIST 데이터셋을 학습하고, 모바일 앱에 배포하는 법까지 알게되었죠. 후속 강좌들 - Tensorflow Lite는 iOS 기기나 리눅스나 마이크로컨트롤러에서 구동되는 기기도 지원합니다. iOS 버전의 숫자 인식기도 확인해보세요. (https://github.com/tensorflow/examples/tree/master/lite/examples/digit_classifier/ios) - 머신러닝과 Tensorflow 에 대해 더 깊게 이해하고 싶다면, 우리의 학습 강좌를 수강해 보세요!(https://www.coursera.org/learn/introduction-tensorflow) - 또한 우리의 Tensorflow Lit..

이전 과정에서는, 우리는 MNIST 데이터셋을 이용해 숫자를 인식하는 모델을 훈련시켰습니다. 우리는 98%의 정확도를 달성할 수 있었지만, 안드로이드 앱에서 테스트할때는 아마 문제점을 느꼈을 것 입니다. 비록 앱이 그려진 숫자를 인식할 수 있어도, 정확도는 아마도 98%보다 낮을 것 입니다. 이번 과정에서는, 정확도 하락의 문제점과 확대된 데이터를 사용해 정확도를 향상시켜 볼 것입니다. 준비 Tensorflow 와 기타 라이브러리를 설치하는 것으로 시작해 봅시다. import tensorflow as tf from tensorflow import keras import matplotlib.pyplot as plt import numpy as np import pandas as pd import rando..

아마도 그린 것을 기대한 만큼 정확히 인식하지 않는 것을 알아차렸을 것입니다. 이 과정에서는, 머신러닝 모델이 테스트중에는 얼마나 잘 되는지와 배포를 했을때는 얼마나 성능이 안좋은 지 알게 될 것입니다. 그리고 우리는 데이터 양을 확대하면서 정확도를 어떻게 증가시키는지 확인해 볼 것입니다. https://colab.research.google.com/github/tensorflow/examples/blob/master/lite/codelabs/digit_classifier/ml/step7_improve_accuracy.ipynb 이 과정이 끝나고 나면, 우리는 모바일 앱에 다시 배포할 수 있을 정도의 향상된 Tensorflow Lite 숫자 인식 모델을 만들게 될 것입니다. 본 강의는 구글의 Codela..

이제 안드로이드 에뮬레이터 또는 실제 안드로이드 기기에 배포하고 테스트해봅시다. 1. 안드로이드 스튜디오 툴바에 있는 Run (초록색 화살표 버튼) 을 클릭하세요. 2. 캔버스에 아무거나 그려보고 앱이 숫자를 인식할 수 있는지 없는지 확인하세요. 본 강의는 구글의 Codelab 강의 중 "Build a handwritten digit classifier app with Tensorflow Lite" 강의를 번역할 것이며, 제가 직접 번역하였기에 오역과 의역이 있음을 알립니다.

우리의 Tensorflow Lite 인터프리터의 준비가 완료되었고, 이제 입력값인 숫자 이미지를 인식하는 코드를 작성해 봅시다. 우리는 다음과 같은 것이 필요합니다: - 입력값을 먼저 처리하는 것: Bitmap 개체를 입력값으로 들어온 이미지의 모든 픽셀 값을 포함하는 ByteBuffer 개체로 변환합니다. 우리는 Kotlin의 float 배열보다 더 빠른 ByteBuffer를 사용할 것입니다. - 숫자 인식 시작 - 출력값 처리: 가능성을 포함한 배열을 사람이 읽을 수 있는 문자열로 변환 이제 코드를 작성해 봅시다. 1. DigitClassifier.kt 코드 내의 다음과 같은 내용을 찾아봅시다. private fun classify(bitmap: Bitmap): String { ... } 입력값인 B..

org.tensorflow.lite.Interpreter 는 Tensorflow Lite 가 당신의 모바일 앱에서 작동할 수 있게 허가하는 클래스입니다. 우리는 Interpeter 개체를 우리의 모델과 함께 초기화할 것입니다. 1. DigitClassifier.kt 파일을 여세요. Tensorflow Lite 코드를 추가할 것입니다. 2. 먼저, DigitClassifier class를 추가하세요. class DigitClassifier(private val context: Context) { private var interpreter: Interpreter? = null ... } 3. 이 때 안드로이드 스튜디오는 Unresolved reference: Interpreter 라는 에러를 띄울 것입니다...

이전 강좌에서 만들었던 Tensorflow Lite 모델을 준비하거나 다운로드해주세요. 안드로이드 샘플 앱 다운로드 이 코드랩에서 사용될 안드로이드 샘플 앱을 다운로드해주세요. https://github.com/tensorflow/examples/archive/master.zip 압축 파일은 이 코드랩과 연관되지 않는 다른 Tensorflow 샘플이 들어있습니다. 이 파일은 lite/codelabs/digit_classifier 위치에 저장되어 있습니다. 저희는 캔버스와 그 캔버스에 그릴 수 있는 기본적인 템플랫을 구현해놨습니다. 그 소스코드는 lite/codelabs/digit_classifier/android/start 에 위치해 있습니다. 뒤에 따르는 과정을 시행하다 보면, 캔버스에 그려진 그림을 ..

본 강좌는 2번째 강좌에 포함되있는 Google Colab 내용을 번역한 것입니다. (https://colab.research.google.com/github/tensorflow/examples/blob/master/lite/codelabs/digit_classifier/ml/step2_train_ml_model.ipynb#scrollTo=XXX8WpQI5U6_) - Copyright 2019 The Tensorflow Authors. Step 2: 머신러닝 모델 학습시키기 이 Notebook은 Build a handwritten digit classifier app with Tensorflow Lite 의 2번째 강의에 대한 것입니다. 의존성 모델 설치하기 우리는 데이터 처리와 시각화를 위해 쓰이는 T..