딥러닝

딥러닝이란?

• 딥러닝이란?

  1. 사람의 신경망을 모방하여 기계가 병렬적 다층 구조를 통해 학습하도록 만든 기술
     
     
     
  2. 판단 기준이 명확히 정해져있다.
     

• 다중 퍼셉트론
  : 많은 선형 모델을 활용하여 결과를 도출한다.

• 예시
  
  

실습

• import 하기

   from tensorflow.keras.datasets import mnist 

  • tensorflow 안에 keras가 포함되어 있다.
  • mnist : 손글씨 데이터를 쓸수있는 함수
    
    
• 훈련용과 테스트용 데이터 생성 후 넣기

  (X_train,y_train),(X_test,y_test)=mnist.load_data()

  훈련용 데이터와 평가용 데이터가 자동으로 나눠져있다.
  • 훈련용 데이터

    X_train.shape, y_train.shape

    
  • 테스트용 데이터

    X_test.shape, y_test.shape

    
• 데이터 시각화하여 보기
  • import 하기

    import matplotlib.pyplot as plt

  • 확인

    plt.imshow(X_train[0])
     plt.show()

    
  • 흑백으로 확인하고 싶을 경우

    plt.imshow(X_train[0], cmap = 'gray')
    plt.show()

    cmap 속성 추가하기
  • 확인
    

모델링

• import 하기

  from tensorflow.keras.models import Sequential # 딥러닝 모델의 뼈대
  from tensorflow.keras.layers import InputLayer, Dense # 입력층, 중간/출력층

  Dense : 선형모델의 집합, 병렬로 연결
• 뼈대 생성 후, 입력층에 데이터 넣기

  model = Sequential() # 딥러닝 모델의 뼈대 생성
   model.add(InputLayer(input_shape=(784,))) # 입력층 추가,() 안에는 데이터의 크기가 들어가야한다.
   model.add(Dense(units=20, activation = 'sigmoid')) #20개를 모음, 중간층 추가
   model.add(Dense(units=40, activation = 'sigmoid')) #20개를 모음, 중간층 추가
   model.add(Dense(units=30, activation = 'sigmoid')) #20개를 모음, 중간층 추가
   model.add(Dense(units=10, activation= 'softmax')) # 출력층 10개의 확률

• 모델 학습하기

  #1. 모델의 학습 방법 및 평가방법 설정 
   model.compile(loss="sparse_categorical_crossentropy",
            optimizer='Adam',
            metrics = ['accuracy'])
  #2. 모델학습
  model.fit(X_train.reshape(60000,784),y_train,epochs = 100) #epochs : 데이터 학습 횟수

  loss와 optmizer는 어떻게 학습을 할것인지 정하는 역할

모델 예측

• 예측하기

  pre = model.predict(X_test.reshape(10000,784))

  pre.shape

  
  10장이 나오는 이유는 출력값으로 10을 지정해서 그렇다.

  pre[0]

  
  각각 0~9번까지의 확률을 나타냄

모델 평가

• 평가하기

  pre_classes = pre.argmax(axis=1)
  pre_classes

  

  각 데이터의 결과에서 제일 높은 확률의 값을 출력함

• 정확도 평가

  1. sklearn 이용하기

  !pip install sklearn
  from sklearn.metrics import accuracy_score
  accuracy_score(y_test,pre_classes)

  2. model 내부 평가함수 이용하기

  model.evaluate(X_test.reshape(10000,784),y_test)

모델 저장

model.save("./hand_write_digit_model.h5")

참고 사이트

• 홈페이지 들어가기
  www.tensorflow.org

• API 선택하기
  

• 버전 선택하기
  

• 필요한 거 선택하기