편집
1,408
번
바뀜
→층을 어떻게 구현할 것인가?
== 층을 어떻게 구현할 것인가? ==
== 층을 어떻게 구현할 것인가? ==
특정 기능을 구현하기 위해 어떤 층을 몇개나 준비해야 하나 고민에 빠지게 된다.
사실,모델의 성능은 준비된 데이터, 데이터 증폭법, 활성화함수 등에 영향을 받아 짧은 글 안에 그 지혜를 담기 어렵지만, 이런 논의는 그 지혜로 다가가는 문이 되어주리라 기대한다.
세세한 조정값까진 이곳에서 다루긴 어렵지만, 대강 어떤 문제에서 어느정도 크기의 층을 사용하는지 참고하면 시작지점을 찾을 수 있다.
* 다양한 경험이 주는 강점은... 대강 어느 정도면 어떤 기능을 구현할 수 있겠다는 감각을 얻는 것. 대략적인 경험의 사례공유는 커다란 도움이 된다.
* 다양한 경험이 주는 강점은... 대강 어느 정도면 어떤 기능을 구현할 수 있겠다는 감각을 얻는 것. 대략적인 경험의 사례공유는 커다란 도움이 된다.
== 다양한 사례의 연구결과 공유 ==
*
*
!성과
!성과
!링크
!링크
|-
|-
|영화 리뷰 분류.
|영화 리뷰 분류.
|[https://github.com/gilbutITbook/006975/blob/master/3.4-classifying-movie-reviews.ipynb 링크]
|[https://github.com/gilbutITbook/006975/blob/master/3.4-classifying-movie-reviews.ipynb 링크]
|-
|-
|뉴스 분류
46개의 토픽으로 뉴스를 분류한다.
|<syntaxhighlight lang="python">
model = models.Sequential()
model.add(layers.Dense(16, activation='relu', input_shape=(10000,)))
model.add(layers.Dense(16, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))
</syntaxhighlight>
|
|
|
|[https://github.com/gilbutITbook/006975/blob/master/3.5-classifying-newswires.ipynb 링크]
|
|}
|
=== 이미지 ===
{| class="wikitable"
!사례
!시도
!성과
!링크
|-
| rowspan="2" |0~9의 아라비아 숫자를 구분하는 것.
|렐루 활성화함수로 512개, 소프트맥스 활성화함수로 10개.
2개 층만으로도 충분하다... 놀랍네; 고작 2층으로!
|정확도는 97.8%
|[https://github.com/gilbutITbook/006975/blob/master/2.1-a-first-look-at-a-neural-network.ipynb 링크]
|-
|CNN 3층과 일반 신경망 2층.
|99.2%
|[https://github.com/gilbutITbook/006975/blob/master/5.1-introduction-to-convnets.ipynb 링크]
|-
|개와 고양이 이진분류
|CNN 4층과 신경망 2층.
|약 85%
|[https://github.com/gilbutITbook/006975/blob/master/5.2-using-convnets-with-small-datasets.ipynb 링크]
|}
|}
[[분류:인공지능 기능구현]]
[[분류:인공지능 기능구현]]