핸즈온 머신러닝의 원서 주피터 노트북이 조금 업데이트되었습니다. 변경된 내용을 번역서의 깃허브에도 반영하였습니다. 다음은 변경된 상세 내용입니다.

• 14_recurrent_neural_networks.ipynb
  • 레버(Reber) 문법 연습문제에서 my_reber_classifier의 경로를 변경하고 추정 확률을 퍼센트로 나타냅니다.

    with tf.Session() as sess:
    saver.restore(sess, "my_reber_classifier")
    y_proba_val = y_proba.eval(feed_dict={X: X_test, seq_length: l_test})
    
    print()
    print("레버 문자열일 추정 확률:")
    for index, string in enumerate(test_strings):
    print("{}: {:.2f}%".format(string, y_proba_val[index][0]))

    을 다음으로 변경합니다.

    with tf.Session() as sess:
    saver.restore(sess, "./my_reber_classifier")
    y_proba_val = y_proba.eval(feed_dict={X: X_test, seq_length: l_test})
    
    print()
    print("레버 문자열일 추정 확률:")
    for index, string in enumerate(test_strings):
    print("{}: {:.2f}%".format(string, 100 * y_proba_val[index][0]))

• 02_end_to_end_machine_learning_project.ipynb
  • 사이킷런의 0.20 버전에 포함될 ColumnTransformer를 사용하면 책의 예제에서처럼 DataFrameSelector와 FeatureUnion을 사용하지 않고 간단히 전체 파이프라인을 만들 수 있습니다. 아직 사이킷런 0.20 버전이 릴리스되기 전이므로 여기서는 future_encoders.py에 ColumnTransformer를 넣어 놓고 사용합니다.

    from future_encoders import ColumnTransformer
    
    num_attribs = list(housing_num)
    cat_attribs = ["ocean_proximity"]
    
    full_pipeline = ColumnTransformer([
    ("num", num_pipeline, num_attribs),
    ("cat", OneHotEncoder(), cat_attribs),
    ])
    
    housing_prepared = full_pipeline.fit_transform(housing)
    housing_prepared

• 11_deep_learning.ipynb
  • 텐서플로 모델 재사용하기에서 노드 이름 수정

    hidden3 = tf.get_default_graph().get_tensor_by_name("dnn/hidden4/Relu:0")

    을 다음으로 변경합니다.

    hidden3 = tf.get_default_graph().get_tensor_by_name("dnn/hidden3/Relu:0")

• 11_deep_learning_exercises.ipynb
  • 불필요한 변수 초기화 루틴 삭제

    for var in output_layer_vars: 
        var.initializer.run()

• extra_tensorflow_reproducibility.ipynb 파일 추가

감사합니다! 🙂