[혼공머신] 6주차_Ch.7_딥러닝을 시작합니다

✅혼자 공부하는 머신러닝+딥러닝
진도: Chapter 07
실습파일 : Fashion_mnist.ipynb

(완료) 기본미션 : Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기

풀이과정
q1) 인공 신경망의 입력 특성이 100개이면,
밀집층(dense)에 있는 뉴런 개수가 10개이면,
모델 파라미터의 개수는 총 1,010개 필요하다.

q2) 케라스의 Dense 클래스를 사용해 신경망의 출력층일 만들 때,
신경망이 이진분류 모델이라면 activation 매개변수에 'sigmoid' 활성화 함수를 지정해야 한다.
다중분류 모델이라면 'softmax' 활성화 함수를 지정한다.
binary 는
relu 함수는

q3)
configure()
fit() : 머신러닝 모델을 훈련하는 메서드.
set() :
complie() : 케라스 모델에서, 손실 함수와 측정 지표 등을 지정하는 메서드.

q4)
sparse_categorical_crossentropy : 케라스 모델에서, 정수 레이블을 타깃으로 가지는 다중분류 문제일 때, compile() 메서드에 지정할 손실 함수.

categorical_crossentropy :
binary_crossentropy :
mean_square_error : 평균 오차 제곱

---

() 선택미션 : Ch.07(07-2) 확인 문제 풀고, 풀이 과정 정리하기

---

✅07-1 : 인공 신경망

from tensorflow import keras
(train_input, train_target), (test_input, test_target) =\
  keras.datasets.fashion_mnist.load_data()
# load_data() 는 훈련데이터와 테스트데이터를 나누어 반환한다.

print(train_input.shape, test_input.shape)
#(60000, 28, 28) (10000, 28, 28)

import matplotlib.pyplot as plt
fig, axs = plt.subplots(1, 10, figsize=(10,10))
for i in range(10):
  axs[i].imshow(train_input[i], cmap='gray_r')
  axs[i].axis('off')
plt.show()

print([train_target[i] for i in range(10)])
#[9, 0, 0, 3, 0, 2, 7, 2, 5, 5]

import numpy as np
print(np.unique(train_target, return_counts=True)) 
#(array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=uint8), array([6000, 6000, 6000, 6000, 6000, 6000, 6000, 6000, 6000, 6000]))

인공 신경망
텐서플로
밀집층
원-핫 인코딩

---

✅07-2 : 심층 신경망

심층 신경망
렐루 함수
옵티마이저

---

✅07-3 : 신경망 모델 훈련

드롭아웃
콜백
조기 종료