편집
1,408
번
바뀜
→모델 교육
</syntaxhighlight>
</syntaxhighlight>
=== input ===
데이터별로 input의 형태가 달라진다.
{| class="wikitable"
!의도
!설명
!방법
|-
|이미지
|가로세로 200인 이미지는 다음과 같이 변형해 사용된다.
(samples, height, width, channels) 혹은 (samples, channels, height, width)로 입력한다.
|images.reshape((이미지갯수, 200 * 200))
images.astype('float32')/255 # 값을 0~1 사이로 정규화 한다. float32와 64의 차이는 무엇일까?
|-
|동영상
|이미지에 frame을 추가한다.
(samples, frame, height, width, channels) 형태.
|
|-
|시계열
|(samples, timesteps, features) 형태로 입력한다.
|
|-
|텍스트
|2만개의 단어를 가진 사전으로 만든 데이터셋으로 분석할 때, 500개 문서의 데이터셋은..
(500, 20000) 형태이다.
|
|}
=== 레이블 변형 ===
{| class="wikitable"
!의도
!설명
!방법
|-
|범주형 인코딩
|레이블을 범주형으로 인코딩한다.
|<syntaxhighlight lang="python">
from keras.utils import to_categorical
lable = to_categorical(lable)
</syntaxhighlight>
|}
= 모델 교육 =
= 모델 교육 =
== 컴파일 ==
모델을 어떻게 교육할 것인가에 대한 설정.<syntaxhighlight lang="python">
model.compile(optimizer= 'rmsprop', # 어떻게 교육할 것인가.
loss= 'categorical_crossentropy', # 손실함수.
metrics= ['accuracy']) # 모니터링 지표.
</syntaxhighlight>
== 교육 ==
<syntaxhighlight lang="python">
<syntaxhighlight lang="python">
model.fit(x, y,
model.fit(x, y,