케라스에서 사용되는 레이어(Layer, 층). 핵심 데이터 구조는 모델이고, 이 모델을 구성하는 것이 Layer이다. Dense Layer 다층 퍼셉트론 신경망에서 사용되는 레이어로 입력과 출력을 모두 연결해준다. 예를 들어, 입력 뉴런이 4개, 출력 뉴런이 8개라고 할때 총 연결선은 4x8=32개가 된다. 각 연결선은 가중치(weight)를 포함하고 있는데 연결강도를 의미한다. 가중치가 높을 수록 해당 입력 뉴런이 출력 뉴런에 미치는 영향이 크고, 낮을수록 미치는 영향이 작다. from tensorflow.python.keras.layers import Dense Dense(8,input_dim=4,activation='relu') - 첫번째 인자 : 출력 뉴런의 수 - input_dim : 입력 뉴런..

케라스에서는 save() 함수 하나로 모델 아키텍쳐와 모델 가중치를 h5 파일 형식으로 모두 저장할 수 있다. 모델 저장 소스코드 (MNIST DATA) # 0. 사용할 패키지 불러오기 from tensorflow.python.keras.utils import np_utils from tensorflow.python.keras.datasets import mnist from tensorflow.python.keras.models import Sequential from tensorflow.python.keras.layers import Dense,Activation import numpy as np from numpy import argmax # 1. 데이터셋 준비하기 # Training set과 Tes..

OverFitting 되는 모델의 경우, epoch이 커질 수록 Loss가 줄다가 다시 늘게 되는 아래와 같은 경우가 생긴다. 150번정도에 EarlyStopping이 되면 overfitting이 되지 않을 수 있는데 더 이상 개선의 여지가 없을 때 학습을 종료시키는 콜백함수이다. 콜백함수란? 어떤 함수를 수행 시 그 함수에서 내가 지정한 함수를 호출하는 것. 여기서는 fit() 함수에서 EarlyStopping() 콜백함수가 학습 과정 중 매번 호출된다. from tensorflow.python.keras.callbacks import EarlyStopping early_stopping = EarlyStopping() hist = model.fit(x_train,y_train,epochs=1000,ba..

1. 학습 함수 캐라스에서는 만든 모델을 학습할 때 fit() 함수를 사용한다. model.fit(x,y,batch_size=32,epochs=10) 주요 인자 x : 입력 데이터, y : 라벨값, batch_size = 몇 개의 샘플로 가중치를 갱신 할 것인지 지정, epochs : 학습 반복 횟수 를 의미한다. 배치 사이즈가 작을 수록 가중치 갱신이 자주 일어난다. ( 예를 들어 100문제를 x, 그에 대한 정답을 y, batch_size를 10으로 하면 10개 문제를 풀때마다 해답을 맞춰보면서 가중치 갱신이 일어나게 된다. epochs는 100문제를 몇 번 풀어볼까를 정하는 것인지인데 같은 문제를 반복해서 풀면 학습이 일어난다라고 생각하면 된다. 마냥 epochs를 늘리면 좋을 것 같지만 하나의 문..

* 설치 환경 : Windows 10 1. 아나콘다 설치하기 https://repo.continuum.io/archive/ 에 접속해 시스템 환경에 맞는 버전의 Anaconda3 다운. 이 때 환경변수 PATH 설정 옵션을 추가해주되 에러 나면 제어판> 시스템 및 보안> 시스템> 고급 시스템 설정> 환경 변수에서 [시스템 변수] 중 Path에 아래 경로들을 추가한다. C:\ProgramData\Anaconda3 C:\ProgramData\Anaconda3\Scripts C:\ProgramData\Anaconda3\Library\bin * 이 때 Python 경로보다 위 쪽에 있어야한다. C:\Python34 C:\Python34\Scripts C:\Python34\Lib\site-packages 끝나고 ..

"케라스" 는 파이썬으로 구현된 쉽고 간결한 딥러닝 라이브러리 내부적으로 텐서플로우Tensorflow, 티아노Theano,CNTK 등의 딥러닝 전용 엔진이 구동되지만 내부엔진을 알 필요 없이 직관적인 API로 쉽게 다층퍼셉트론 신경망 모델, 컨벌루션 신경망 모델, 순환 신경망 모델 등 다양한 구성을 할 수 있다. 모델 수준 라이브러리로 딥러닝 모델을 개발하기 위해 이용되는데 tensor, convolution과 같은 수준의 작업은 Keras의 "백 엔드 엔진"역할을 하는 텐서 조작 라이브러리를 이용한다. Keras에서 구동될 수 잇는 3개의 백엔드는 1. "Tensorflow" 구글에서 개발한 오픈 소스 텐서 조작 프레임 워크 2. "Theano" Université de Montréal의 LISA La..