RMaster - Dr. Kim's Homepage

나는 다음과 같이 권고한다. 1. 윈도우즈 시스템을 써라. 아무래도 속편하다. 2. Anaconda를 설치할 것 3. Anaconda에서 new environment를 만들 것(예를 들면 tensorflow-gpu-env라는 이름) 4. 환경설정시 Python과 R을 전부 다 설정할 것 4. Anaconda 마켓에서 tensorflow-gpu와 keras-gpu를 모두 설치할 것(이때 필요한 라이브러리는 전부다 자동 설치한다. CUDA 등 전부... 얼마나 편한가!) 5. Jupyter Notebook이외에 RStudio와 Orange도 함께 설치한다(네비게이션 화면에서). 이렇게 하면 끝이다. 요즘 왠만한 PC는 4개 슬롯에 64*4=136GB의 메모리까지 지원한다. 딥러닝을 하려는 연구자는 최소 8GB의 GPU가 필요할 것이고 빅데이터 분석까지 생각한다면 못해도 64GB이상의 메모리는 확보되면 좋겠다. 하드웨어의 문제가 아니라 다들 소프트웨어 설치하느라 골치 아플 것 같은데 Anaconda와 conda 환경을 이용하면 너무나도 쉽게 해결된다.

온라인 리뷰분석 Code Show All Code Hide All Code Download Rmd 온라인 리뷰분석 개요 수업에 활용할 목적으로 https://keras.rstudio.com/articles/tutorial_basic_text_classification.html 아티클을 일부 수정했습니다. IMDB의 영화 리뷰 데이터를 바탕으로 긍정평가(1)와 부정평가(0)를 예측하는 딥러닝 모델입니다. 데이터 준비 필요한 라이브러리들을 불러옵니다. 그리고 IMDB데이터 셋을 가져옵니다. 단어는 1만개까지만 고려합니다(num_words=10000). library(keras) library(dplyr) library(ggplot2) library(purrr) imdb<-dataset_imdb(num_words=10000) 학습용과 검정용으로 분리합니다. c(train_data,train_labels)%<-%imdb$train c(test_data,test_labels)%<-%imdb$test 단어는 전부 숫자로 치환되어 있습니다. 원래 글로 되돌려 보기 위한 준비를 합니다. word_index<-dataset_imdb_word_index() word_index_df<-data.frame( word=names(word_index), idx=unlist(word_index,use.names=F), stringsAsFactors=F) word_index_df<-word_index_df%>% mutate(idx=idx+3)%>% add_row(word="<PAD>",idx=0)%>% add_row(word="<START>...