"Keras:LSTM"의 두 판 사이의 차이
둘러보기로 가기
검색하러 가기
| 2번째 줄: | 2번째 줄: | ||
케라스로 LSTM 구현해보기. | 케라스로 LSTM 구현해보기. | ||
| + | == 설계 == | ||
| + | <syntaxhighlight lang="python"> | ||
| + | from keras.models import Sequential | ||
| + | model = Sequential() | ||
| + | # 필요한 층을 더한다. | ||
| + | model.add(LSTM(50, return_sequences=True, input_shape=(50,1))) # 50개 유닛을 갖는 LSTM층 생성. 일반적으로 50개의 입력이 들어간다. | ||
| + | model.add(Dense(1, activation='linear')) # 일반 뉴런층 1개. 결과가 1개가 나온다. | ||
| + | model.compile(loss='mse', optimizer='rmsprop') # 손실함수 따위를 결정한다. | ||
| + | |||
| + | </syntaxhighlight> | ||
[[분류:Keras]] | [[분류:Keras]] | ||
[[분류:LSTM]] | [[분류:LSTM]] | ||
2021년 11월 17일 (수) 17:21 판
1 개요
케라스로 LSTM 구현해보기.
2 설계
from keras.models import Sequential
model = Sequential()
# 필요한 층을 더한다.
model.add(LSTM(50, return_sequences=True, input_shape=(50,1))) # 50개 유닛을 갖는 LSTM층 생성. 일반적으로 50개의 입력이 들어간다.
model.add(Dense(1, activation='linear')) # 일반 뉴런층 1개. 결과가 1개가 나온다.
model.compile(loss='mse', optimizer='rmsprop') # 손실함수 따위를 결정한다.