Machine Learning , AI, Arduino Coding

헤더 영역에 필요한 라이브러리들을 선언하자. 1 import os import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Dropout, Flatten from keras.constraints import maxnorm from keras.optimizers import Adam from keras.layers.convolutional import Conv2D from keras.layers.convolutional import MaxPooling2D from keras.utils import np_utils import numpy as np import time import matplotlib...

참조: 구글 Load and preprocess images https://www.tensorflow.org/tutorials/load_data/images ※ ImageDataGenerator https://www.tensorflohttps://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image/ImageDataGenerator ImageDataGenerator 기법은 deprecicated 하므로 tf.keras.utils.image_dataset_from_directory 명령을 사용하자. 과거에는 tf.keras.preprocessing.image.ImageDataGenerator 명령을 사용했으나 이미 낡았으므로 앞으로는 tf.ker..

참조: 구글 Save and load models https://www.tensorflow.org/tutorials/keras/save_and_load TensorFlow.Keras 에 의한 MNIST 수기문자 판독 머신러닝 학습과정에서 생성되는 학습 가중치값을 checkpoint 폴더에 저장했다가 다시 불러내서 즉 사전학습시킨 가중치를 활용하는 방법을 살펴보자. 이 기법은 다른 OS 시스템에 porting 을 목적으로 하는 TensorFlow Lite 에서의 기법과는 다른 방법이다. 예를 들면 아나콘다에서 TensorFlow 로 학습 시킨 가중치를 저장해 두었다가 아나콘다 OpenCV 에서 캡춰한 이미지를 대상으로 객체를 탐지해 볼 수 있다. 텐서플로우 케라스를 사용한 MNIST 학습 및 검증 과정에서..

이미지 데이터 라벨값 Detection 결과 데이터 참조: Object detection with Tensorflow model and OpenCV https://towardsdatascience.com/object-detection-with-tensorflow-model-and-opencv-d839f3e42849 import tensorflow_hub as hub # 코코데이터로 학습한 가중치 라이브러리를 불러 오는 곳 import cv2 import numpy import pandas as pd import tensorflow as tf import matplotlib.pyplot as plt width = 1028 height = 1028 #Load image by Opencv2 img = cv2...

아두이노 IDE 편집기 아두이노는 키보드와 디스플레이가 없으며 USB 케이블에 의항 양방향을 통신을 사용하여 PC에서 아두이노IDE 즉 편집기에서 코드를 작성 빌드하여 업로딩 한다. 아울러 아두이노 CPU에서 실행되어 출력되는 결과는 편집기 시리얼 모니터 창을 열어서 볼 수 있으며, 출력 결과가 그래프라면 시리얼 플로터를 사용한다. 2. 아두이노 편집기 아두이노의 USB 케이블을 컴퓨터와 연결한다. 시작 바에서 아두이노 로고를 눌러 편집기를 연다. 예능인을 위해 출시된 아두이노의 코드를 스케치라 한다. 다음은 편집기 창에서 가장 빈번하게 사용하는 메뉴들만을 박스 해 보았다. 예제에서는 코딩 초보자를 위한 코드 사례를 제공. 하지만 배선은 각자 준비해야 한다. 3. 새파일 생성, 입력, 저장 및 빌드 새파..