분류:딥러닝 기능 구현
다양한 기능을 어떻게 구현할 것인가에 대한 문서를 분류하기 위한 분류.
1 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.
2 다양한 사례의 연구결과 공유
| 사례 | 시도 | 성과 | 링크 |
|---|---|---|---|
| 0~9의 아라비아 숫자를 구분하는 것. | 렐루 활성화함수로 512개, 소프트맥스 활성화함수로 10개.
2개 층만으로도 충분하다... 놀랍네; 고작 2층으로! |
정확도는 97.8% | 링크 |
| 영화 리뷰 분류.
긍정리뷰와 부정리뷰 분류. |
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'))
|
정확도는 약 90% | 링크 |
| 뉴스 분류
46개의 토픽으로 뉴스를 분류한다. |
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'))
|
링크 |