반응형
케라스(keras) 기본 개념 - 케라스의 가장 핵심적인 데이터 구조는 "모델"이다. - 케라스에서 제공하는 시퀀스 모델로 원하는 레이어를 쉽게 순차적으로 쌓을 수 있다. 케라스 모델링 순서 1. 데이터 셋 생성하기 - 원본 데이터를 불러오거나 데이터를 생성한다. - 데이터로부터 훈련셋, 검증셋, 시험셋을 생성한다. - 이 때 딥러닝 모델의 학습 및 평가를 할 수 있도록 포맷 변환을 한다. 2. 모델 구성하기 - 시퀀스 모델을 생성한 뒤 필요한 레이어를 추가하며 구성 - 좀 더 복잡한 모델이 필요할 때는 케라스 함수 API 를 이용한다. 3. 모델 학습과정 설정 - 학습하기 전, 학습에 대한 설정을 수행한다. - 손실 함수 및 최적화 방법을 정의 - 케라스에서는 compile 함수를 사용한다. 4. 모델 학습시키기 - 훈련셋을 이용하여 구성한 모델로 학습시킨다. - 케라스에서는 fit() 함수를 사용한다. 5. 학습과정 살펴보기 - 모델 학습시 훈련셋, 검증셋의 손실 및 정확도를 측정한다. - 반복 횟수에 따른 손실 및 정확도 추이를 보면서 학습상황 판다. 6. 모델 평가 - 준비된 시험셋으로 학습한 모델을 평가한다. - 케라스에서는 evaluate()함수를 사용한다. 7. 모델 사용하기 - 임의의 입력으로 모델의 출력을 얻는다. - 케라스에서는 predict() 함수를 사용한다. ???? - 케라스 시퀀스 모델 - epochs=5: 총 5번 훈련 - batch_size=128: 한번에 128개씩 훈련 ( network.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy']) - 손실함수: 훈련 데이터에 대해 얼마나 신경망이 잘 맞아들어가고 있는지 측량하여 바람직한 방향으로 조정하는 척도 - 최적화: 신경망이 받은 데이터와 손실 함수에 기반하여 스스로를 업데이트하는 매커니즘 - 매트릭: 훈련 및 시험 중에 모니터링할 측정값
반응형