- CNN_MNIST : CNN을 이용한 간단한 NMIST 진행
- CNN convnets with small datasets : 작은 Datasets의 데이터를 데이터 증식을 통해서 80% 이상의 높은 성능의 분류기 제작
- CNN use pretrained VGG16 : 이미 학습된 VGG16과 위에 데이터 증식을 응용해서 작은 Datasets에서 90%이상의 높은 성능을 갖는 분류기 제작
- CNN visualizing what convnets learn : convnets learn과정은 시각화와 CAM(Class Activation Map) 시각화를 통해 CNN 과정을 시각적으로 이해
- RNN word embeddings : one hot encoding제작, GloVe로 word embeddings을 만들어서 IMDB 영화의 긍부정 학습
- RNN understanding rnn lstm : RNN과 LSTM를 이용하여 IMDB 영화의 긍부정 학습을 하며 RNN과 LSTM의 사용방법 이해
- RNN advanced usage of rnn : 기온 예측 문제를 통해 RNN의 다양한 사용법 이해 (recurrent dropout, stacking recurrent layer, bidirectional recurrent layer)
- RNN processing with convnets : 1D convnets을 이용하여 특정 자연어 처리 같은 일부 문제에서 RNN을 대신하는 빠른 모델 제작
Image : https://arxiv.org/abs/1610.03017
- Advanced Keras Functional API : 함수형 API를 통해서 다중 입력, 다중 출력 등 다양한 모델 제작
- Advanced Keras model checking and monitoring : 콜백을 사용하여 모델의 훈련 과정을 제어하고 텐서보드를 이용하여 모니터링
-
Advanced Keras performance improvements : 정규화, 깊이별 분리 합성곱, 하이퍼파라미터 최적화, 모델 앙상블 등 모델의 성능을 향상시키는 방법 학습
-
Generation text with lstm : 언어 모델(LSTM과 샘플링)을 이용해서 니체의 글을 재생성
- Generation deep dream : 컨브넷을 거꾸로 실행하여 입력 이미지를 새롭게 생성하는 딥드림 제작
- Generation neural style transfer : 유명한 명화의 스타일과 자신이 원하는 사진의 컨텐츠 합성
- Generation VAE : VAE를 이용해서 간단한 MNIST 이미지 생성
- Generation GAM : DCGAN을 이용해서 간단한 개구리 이미지 생성
Keras examples directory
Deep Learning with Python Code
케라스 창시자에게 배우는 딥러닝
Coursera Sequence Models:Code