[혼공머신] 6주차_딥러닝을 시작합니다

혼공머신 6주차

• Chapter 7) 인공지능을 시작합니다 (패션 럭키백 판매)

7-1 인공 신경망

• 인공 신경망 : 기존 머신러닝 알고리즘으로 다루기 어려웠던 이미지, 음성, 텍스트 분야에서 뛰어난 성능을 발휘하는 머신러닝 알고리즘 (딥러닝이라고도 부른다)
• 텐서플로 : 구글이 만든 딥러닝 라이브러리이며, 핵심 API로 신경망 모델을 빠르게 구성하는 케라스 가 있음

1) 패션 MNIST 데이터셋 준비하기

MNIST 데이터셋 : 0~9까지 숫자로 이루어져 있는 딥러닝에서 사용하는 데이터셋 -> 패션 MNIST는 숫자 대신 패션 아이템으로 이루어져 있음

2) 로지스틱 회귀로 패션 아이템 분류하기

3) 인공 신경망

이미지 분류 문제에 적합한 인공 신경망을 이용하여 모델만들기

• 입력층 : 입력값을 나타내며, 여기서는 748개의 픽셀을 말한다.
• 출력층 : 클래스를 나타내며, 여기서는 10개의 패션 종류를 말한다.
• 활성화 함수 : 뉴런의 선형 방정식 계산 결과에 적용되는 함수

• 케라스 손실함수
  -이진 분류 : loss = 'binary_crossentropy'
  -다중 분류 : loss = 'categorical_crossentropy'
• 원-핫 인코딩 : 타깃값을 해당 클래스만 1이고, 나머지는 모두 0인 배열로 만드는 것

(7-1 확인문제)

7-2 심층 신경망

1) 심층 신경망 : 2개 이상의 층을 포함한 신경망

• summary() : 케라스 모델의 정보 요약해서 출력

2) 렐루 함수 : 이미지 분류 모델의 은닉층에 많이 사용하는 활성화함수

3) 옵티마이저 : 신경망의 가중치와 절편을 학습하기 위한 알고리즘

7-3 신경망 모델 훈련

1) 손실 곡선

history 객체에는 손실과 정확도 값이 저장되어 있음
-> histoty 객체에 저장된 값을 이용하여 그래프 그리기

2) 검증 손실

과대/과소적합을 파악하기 위해 검증 손실도 함께 표현하기

3) 드롭아웃

• 드롭아웃 : 은닉층에 있는 뉴런의 출력을 랜덤하게 껴서 과대적합을 막는 기법 (훈련 중에 적용, 평가나 예측에서는 적용하지 않음)

4) 모델 저장과 복원

5) 콜백

• 콜백 : 케라스 모델을 훈련하는 과정 중간에 어떤 작업을 수행할 수 있게 해주는 객체
• 조기종료 : 과대적합이 시작되기 전에 훈련을 미리 중지하는 것

6주차 학습일기

이번주부터 딥러닝을 시작했다.
처음에 인공 신경망, 딥러닝,, 이런 단어들이 너무 어렵게 느껴졌는데,
생각보다 괜찮았다. 두세번 읽어야 이해되는 부분도 있었지만ㅎㅎㅎ
코드도 하나하나 보다보니 눈에 들어오는 것 같다.
남은 딥러닝도 재밌게 공부해봐야지!!

혼공학습단 마지막 6주차도 완료!!
무사히 마무리한 것 같아서 기분이 너무 좋다.>___</