딥러닝 기술은 데이터 준비-> 딥러닝 네트워크 설계->학습->테스트
MNIST 숫자 손글씨 Dataset.
학습용 데이터와 실험용 데이터
원래는 검증셋도 만들어야하지만 이번 프로젝트에선 간단하게 구현했습니다.
(x_train, y_train), (x_test, y_test) = mnist.load_data()
3.데이터 전처리 하기
-0~1 사이의 값으로 정규화 시키기.
1.Sequential Model 사용
-Sequential API
: 단순한 모델링이 가능하고 손쉽게 레이어 추가
-tf.kears
2.model.summary()메소드 이용해서 딥러닝 네트워크 모델 확인
-네트워크 입력은 (데이터갯수,이미지 크기x, 이미지 크기 y, 채널수)
-x_train학습데이터 이용하여 학습시키기(인식 정확도 구현)
epochs = n :n번 반복 사용해서 학습 시킨다
cf)학습할 때마다 test_loss, test_accuracy 변동이 된다)
-model.predict(): model이 입력값을 보고 실제로 추론한 확률분포 출력
-혹시 만약에 model이 추론해 낸 숫ㅈ와 실제 라벨의 값이 다른 경우
-틀린 경우, model도 추론 결과에 대한 확신도가 낮고 혼란스러워 하므로
추론 결과를 시각화하여 model 개선하면 좋을 듯.
<하이퍼파라미터 변경>
-Conv2D 레이어에서 입력 이미지의 특징 수 늘리거나 줄이기
-Dense레이어에서 뉴런수를 바꾸기
-epoch값 변경