딥러닝_참고(신경망 모델에 사용되는 함수알기)

주지윤·2022년 11월 25일
0

딥러닝

목록 보기
3/21
post-custom-banner

신경망 모델 구성에서 사용되는 함수

1. layers.Dense: 활성화 함수(activation)

층을 구성하는 단계에서 사용되는 함수로, 입력된 데이터의 가중 합을 출력신호로 변환하는 함수

  • 텐서연산에서 설명한 내용을 참고

1) relu

ReLU 활성화: max(x, 0)


2) sigmoid

시그모이드 활성화: sigmoid(x) = 1 / (1 + exp(-x))


3) softmax

소프트맥스 활성화: exp(x) / reduce_sum(exp(x)).

  • sigmoid와 softmax는 본질적으로 같은 함수다.
  • 이진 분류시 sigmoid, 다중 분류시 softmax를 사용한다.
  • 최종 출력층에 사용되며, 여러 출력 노드의 합을 비중값으로 나타낸다.
  • 지수함수는 입력값 중 큰 값은 더 크게, 작은 값은 더 작게 만들어
    입력벡터가 더 잘 구분되게 한다.


4) tahn

tahn 활성화: tanh(x) = sinh(x)/cosh(x) = ((exp(x) - exp(-x))/(exp(x) + exp(-x))).


4) 기타

🔸 softplus
softplus(x) = log(exp(x) + 1)

🔸 softsign
softsign(x) = x / (abs(x) + 1)

🔸 selu
Scaled Exponential Linear Unit
selu(x) = scale * elu(x, alpha)

if x > 0: return scale * x
if x < 0: return scale * alpha * (exp(x) - 1)



2. model.compile

  • 예시
model.compile(optimizer = 'rmsprop',
             loss = 'binary_crossentropy',
             metrics='acc')

1) 옵티마이저 함수(optimizer)

Gradient 기반( GD )

  • 그레이디언트 기반 최적화에서 설명한 내용 참고

사용가능한 함수
SGD
RMSprop
Adam
Adadelta
Adagrad
Adamax
Nadam
Ftrl


2) 손실함수(loss function)

  • 목적함수(objective function), 비용함수(cost function)이라고도 함
    • X축이 가중치, y축이 오차(비용,손실)
  • 비용함수를 최소로 하는 w를 찾는 것이 학습

🔸 사용가능한 함수

  • 확률(Probabilistic losses)

    • binary_crossentropy
    • categorical_crossentropy
    • sparse_categorical_crossentropy
    • poisson
    • kl_divergence
  • 회귀(Regression losses)

    • mean_squared_error
    • mean_absolute_error
    • mean_absolute_percentage_error
    • mean_squared_logarithmic_error
    • cosine_similarity
    • huber
    • log_cosh
  • "최대 마진" 분류를 위한 힌지

    • hinge
    • squared_hinge
    • categorical_hinge

🔸 기억해야할 점

  • 분류, 회귀에 사용하는 손실 함수는 다름
  • 분류문제도 구분해서 사용
    • 다중분류
      • 레이블을 범주형으로 인코딩(원핫인코딩): categorical_crossentropy
      • 레이블을 정수로 인코딩: sparse_categorical_crossentropy
    • 이진분류
      • binary_crossentropy

3) 평가 지표(metrics)

🔸 사용가능한 함수

  • 정확도(Accuracy metrics)

    • Accuracy
    • BinaryAccuracy
    • CategoricalAccuracy
    • SparseCategoricalAccuracy
    • TopKCategoricalAccuracy
    • SparseTopKCategoricalAccuracy
  • 확률(Probabilistic metrics)

    • BinaryCrossentropy
    • CategoricalCrossentropy
    • SparseCategoricalCrossentropy
    • KLDivergence
    • Poisson
  • 회귀지표(Regression metrics)

    • MSE: MeanSquaredError
    • RMSE: RootMeanSquaredError
    • MAE: MeanAbsoluteError
    • MAPE: MeanAbsolutePercentageError
    • MSLE: MeanSquaredLogarithmicError
    • CosineSimilarity
    • LogCoshError
  • 참/거짓, 긍정/부정에 기반한 평가지표

    • AUC
    • Precision
    • Recall
    • TruePositives
    • TrueNegatives
    • FalsePositives
    • FalseNegatives
    • PrecisionAtRecall
    • SensitivityAtSpecificity
    • SpecificityAtSensitivity
  • 이미지세분화(Image segmentation metrics)

    • MeanIoU
  • "최대 마진" 분류를 위한 힌지

    • Hinge
    • SquaredHinge
    • CategoricalHinge
post-custom-banner

0개의 댓글