2021년 5월 7일 (금) 08:28 판

1 개요

케라스. 원래 시에노 엔진을 편리하게 사용하려 개발했으나, 이후 사용할 수 있는 엔진이 점차 늘어났다. 사용자가 인공지능을 쉽게 구현하는 데 도움을 주는 인터페이스 제공.

TensorFlow 등으로 코드를 작성하는 일은 쉽지 않다. 거쳐야 하는 과정도 많고. 텐서플로우 위에서 이를 직관적이고 간편하게 이용할 수 있게 해주는 도구이다.

머신러닝 라이브러리인 Theano와 TensorFlow를 백엔드로 사용하는 라이브러리.

의도	설명	방법
케라스 설치	그냥 파이썬을 이용하는 경우.	pip install keras
conda사용	아나콘다를 설치하고 이를 이용해 설치하면 텐서플로 등의 엔진들도 자동으로 설치해준다.	conda install keras-gpu conda install keras # gpu가 없는 경우.

의도	설명	방법
정규화	일반적으로 데이터는 0~1 사이로 정규화한다.
csv 가져오기	csv를 넘파이 배열화 해야 한다.	import pandas csv = pd.read_csv("경로.csv") # 판다스를 이용하여 불러온다. x = csv[['열1', '열2']].as_matrix() # 넘파이배열로 바꾸어 x에 담는다.

의도

설명

방법

모듈 불러오기

.layers : 각 계층을 만드는 모듈.

models : 각 레이어들을 연결하여 신경망모델을 만든 후 컴파일하고 학습시키는 역할.

from keras import layers. models

신경망 디자인

ANN에 필요한 파라미터를 정해준다.

모델링

다양한 방법으로 모델링.

의도	설명	방법
손글씨 샘플	mnist의 샘플데이터를 가져온다.	from keras.datasets import mnist (x_train, y_train), (x_test, y_test) = mnist.load_data()

@@ 42번째 줄: / 42번째 줄: @@
 x = csv[['열1', '열2']].as_matrix()  # 넘파이배열로 바꾸어 x에 담는다.
 </syntaxhighlight>
+|}
+=== 신경망 모델 제작 ===
+{| class="wikitable"
+!의도
+!설명
+!방법
+|-
+|모듈 불러오기
+|.layers : 각 계층을 만드는 모듈.
+models : 각 레이어들을 연결하여 신경망모델을 만든 후 컴파일하고 학습시키는 역할.
+|<syntaxhighlight lang="python">
+from keras import layers. models
+</syntaxhighlight>
+|-
+|신경망 디자인
+|ANN에 필요한 파라미터를 정해준다.
+{| class="wikitable"
+!인수
+!설명
+|-
+|Nin
+|입력계층 노드 수
+|-
+|Nh
+|은닉계층 노드 수
+|-
+|number_of_class
+|출력값이 가질 클래스 수
+|-
+|Nout
+|출력노드 수
+|}
+|
+|-
+|모델링
+|다양한 방법으로 모델링.
+|
 |}