CNN study
CNN 실습 예제 따라하기 1. MNIST 이미지 분류 2. 개, 고양이 이미지 분류
데이터 수집 및 전처리
데이터 수집 및 전처리 2 1. 구글 이미지 크롤링하기 jupyter notebook에서 BeautifulSoup과 selenium의 크롬 웹드라이버를 사용하여 구글에 음식 키워드로 검색하였을 때 나오는 음식이미지들을 추가로 300개씩 저장하였다. 그리고 관련이 없는 이미지를 직접 제거해준다. 이미지 저장한 폴더들: 크롤링 과정:
![](https://images.velog.io/images/the_h
저번 학습 결과를 통해 훈련데이터와 검증데이터의 정확도가 차이가 큰 것을 확인하였고, 어떻게 개선하면 좋을까 고민해보았다. 그리고 내가 사용한 함수나 방법들에 대해 다시 제대로 알아보았다. 대용량의 ImageNet데이터를 이용하여 사전학습된 분류모델 ResNet50을
1. Flask 서버 구현을 위한 환경 설정 1) anaconda 가상환경 생성 2) pip install flask 2. Flask 예제 실행 ![](https://images.velog.io/images/th
Flask 웹 서버에서 저장한 모델 불러오기
colab에서 예측해본 결과:colab 코드:flask 코드:
GitHub Pages 사용하기 1. 해당 레포지토리 - Setting - Pages 2. Source: None -> main 페이지 접속 결과: ![](https://images.velo
모델 불러와서 웹에 띄우기 모델을 불러와서 예측하는 코드를 다른 파일로 분리시켰다. predict_food.py 실행 결과: upload.py flask구동 후 실행 결과: ![](https://images.velog.io/images/the_huistle/
.png 파일 업로드시 발생하는 오류 해결 .png파일 업로드 FileNotFoundError 발생 upload.py 수정 ![](https://images.velog.io/images/the_huistle