편집
1,415
번
바뀜
둘러보기로 가기
검색하러 가기
잔글1번째 줄:
1번째 줄: + + + + + + + + + + + + 141번째 줄:
153번째 줄: − + + + 148번째 줄:
162번째 줄: + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→설치
== 개요 ==
=== 설치 ===
간단히 pip install keras를 통해 설치하거나.. 최근엔 텐서플로우를 설치하면 그 안에 설치되어 있다. 어차피 백엔드로 텐서플로우를 사용하는 경우가 많을테니.. 텐서플로우만 설치하면 된다.
==== 설치 확인 ====
<syntaxhighlight lang="python">
import keras
print(keras.__version__)
</syntaxhighlight>
== 데이터 처리 ==
== 데이터 처리 ==
데이터 입럭은 3가지 형태로 이루어진다.
데이터 입럭은 3가지 형태로 이루어진다.
# 넘파이 배열. 일반적인 데이터과학에서 자주 사용되는 형태.
# 넘파이 배열. 일반적인 데이터과학에서 자주 사용되는 형태.
#:- 데이터 과학에서 pandas의 dataframe을 많이 사용하는데, 이를 넘파이의 ndarray로 변환하여야 사용할 수 있다. <code>train_x = df.values</code>형태로 ndarray 값을 얻을 수 있다.
# 텐서플로우의 데이터셋 오브젝트. 성능행상에 도움.
# 텐서플로우의 데이터셋 오브젝트. 성능행상에 도움.
#:- 이미지 파일을 데이터셋화 : tf.keras.preprocessing.image_dataset_from_directory
#:- 이미지 파일을 데이터셋화 : tf.keras.preprocessing.image_dataset_from_directory
|}
|}
= 드롭아웃 =
= 오버피팅 막기 =
== 드롭아웃 ==
<syntaxhighlight lang="python3">
<syntaxhighlight lang="python3">
from keras import model, layers
from keras import model, layers
models.add(....)
models.add(....)
models.add(layers.Dropout(0.5)) # 얼마의 비율로 드롭아웃을 실행할 것인가.
models.add(layers.Dropout(0.5)) # 얼마의 비율로 드롭아웃을 실행할 것인가.
</syntaxhighlight>층 사이사이에 넣을 수 있다.
== 가중치 규제 ==
=== L2 규제 만들기 ===
<syntaxhighlight lang="python3">
from keras import model, layers, regularizers
l2_model = models.Sequential()
l2_model.add(layers.Dense(16, kernel_regularizer=regularizers.l2(0.001), # 0.001은 가중치에 곱할 값.
activation='relu', input_shape=(10000,)))
l2_model.add(layers.Dense(16, kernel_regularizer=regularizers.l2(0.001),
activation='relu'))
l2_model.add(layers.Dense(1, activation='sigmoid'))
</syntaxhighlight>
=== L1 규제 만들기 ===
<syntaxhighlight lang="python3">
from keras import model, layers, regularizers
l1_model = models.Sequential()
l1_model.add(layers.Dense(16, kernel_regularizer=regularizers.l1(0.0001),
activation='relu', input_shape=(10000,)))
l1_model.add(layers.Dense(16, kernel_regularizer=regularizers.l1(0.0001),
activation='relu'))
l1_model.add(layers.Dense(1, activation='sigmoid'))
</syntaxhighlight>
=== L1, L2 동시 사용 ===
<syntaxhighlight lang="python3">
l1l2_model = models.Sequential()
l1l2_model.add(layers.Dense(16, kernel_regularizer=regularizers.l1_l2(l1=0.0001, l2=0.0001),
activation='relu', input_shape=(10000,)))
l1l2_model.add(layers.Dense(16, kernel_regularizer=regularizers.l1_l2(l1=0.0001, l2=0.0001),
activation='relu'))
l1l2_model.add(layers.Dense(1, activation='sigmoid'))
</syntaxhighlight>
</syntaxhighlight>