딥러닝에 대해서 책을 읽고 정리하려다 보니 양이 너무 많아 확인문제 미션부터 수행해야겠다. 🤧
확인문제
- 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터 개수는 몇개인가요?
① 1,000개
② 1,001개
☞ ③ 1,010개
④ 1,100개
🧬 1번 문제 해석 🧬
③ 100개의 입력과 10개의 뉴런을 곱하여 나온 가중치 1,000개가 계산되고 각 뉴런마다 절편이 있으므로 10개를 더해주면 1,010개의 모델 파라미터가 계산된다.
- 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?
① 'binary'
☞ ② 'sigmoid'
③ 'softmax'
④ 'relu'
🧬 2번 문제 해석 🧬
이진분류 모델이라면 sigmoid 다중분류 모델이라면 softmax 함수를 지정한다.
- 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서드는 무엇인가요?
① configure()
② fit()
③ set()
☞ ④ compile()
🧬 3번 문제 해석 🧬
configure(), set() 함수는 없고, fit() 함수는 모델 훈련 메소드이다.
compile() 메서드는 loss 매개변수에 지정한 손실 함수의 값과 metrics 매개변수에서 지정한 측정 지표를 출력하는 기능을 한다.
- 정수 레이블을 타깃으로 가지는 다중 분류 문제일 때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?
☞ ① sparse_categorical_crossentropy
② categorical_crossentropy
③ binary_crossentropy
④ mean_square_error
🧬 4번 문제 해석 🧬
categorical_crossentropy는 다중 분류인경우,
binary_crossentropy는 이진 분류인경우,
mean_square_error는 회귀모델인 경우에 사용한다.
6주차 과제 마무리하면서 느낀점 ❗
쉽지 않지만 역시 새로운 분야를 배우는 것은 재미있다 🙂
