2024.12.29

Part 11. 텐서플로

• Chapter 03. 간단한 Model 학습 시키기
  01. Deep learning Flow
02. Deep learning Flow-preprocessing
03. Deep learning Flow-modeling
04. Deep learning Flow-evaluation -> 미학습, 학습필요 (2025.01.01)

---

Chapter 03. 간단한 Model 학습 시키기

01. Deep learning Flow

Deep learning Flow 기본

1) Data 가져오기

데이터 받기 및 구조확인

어떤 데이텅니지 확인하기

막간의 퀴즈... 훈련용 데이터셋에는 각 수자의 그림이 몇개씩 들어가 있는지 ? (QUIZ)

28X28 픽셀짜리 그림이 60000 개 들어가 있음.
0부터 9까지 약 5000개씩 존재함.

sns로 조금 더이쁘게?..

중간퀴즈

이미지를 시계 반대 방향으로 90도 회전하고, 아래위를 반전

기존 이미지

---

정답 : transpose

---

---

02. Deep learning Flow - Preprocessing

• 데이저 검증
• 전처리
• 데이터 증강...

데이터 검증

• 데이터 중에 학습에 포함 되면 안되는 것이 있는가??
  • ex> 개인정보가 들어있는 데이터, 테스트용 데이터에 들어있는 것, 중복되는 데이터 등.

• 학습 의도와 다른 데이터가 있는가 ??
  • ex> 얼굴을 학습하는데 발 사진이 들어가있진 않은지?.. (가끔은 의도하고 일부러 집어넣는 경우도 존재)

• 라벨값에 잘못된 데이터가 있는가??
  • ex> 7인데 1로 라벨링, 고양이인데 강아지로 라벨링 등..

mnist 데이터셋에서는 255보다 크거나 0보다 작은 값이 있으면 안된다. 따라서 해당 값이 있는지 확인하는 함수를 생성하여 데이터 검증 작업을 진행.

전처리

• 입력하기 전에 모델링에 적합하게 처리하는 것.
• 대표적으로 Scaling, Resizing, label encoding 등이 있다.
• dtype, shape 항상 체크 !!!

One-Hot Encoding 참고자료

Scaling

Scale 함수를 통해서 모든 값을 0~1사이 값으로 변경. 그래프를 통해 시각화 하면...

시각화까지 하여, 해당 코드가 잘 작동하는지 검증하였다. 그럼 실제 테스트 데이터에 적용한다.

Flattening

reshape을 통해서 차원축소 진행 (Flatten)

Label Encoding (y값)

One-Hot Encoding을 통해서 y값 행렬로 변경.

Class 이용해서 관리

보통은 큰 작업을 하나의 클래스로 만들어서 관리한다.

위와 같이, class를 통해 접근하여 함수관리를 하면 편리하다.

---

class 보충설명

---

03. Deep learning Flow - Modeling

1. 모델의 정의
2. 학습 로직 - 비용함수, 학습파라미터 세팅
3. 학습

모델 정의

학습 로직

학습 실행

---

04. Deep learning Flow - evaluation