kang's study

신경망 모델 훈련¶ In [31]: from tensorflow import keras from sklearn.model_selection import train_test_split (train_input, train_target), (test_input, test_target) = \ keras.datasets.fashion_mnist.load_data() train_scaled = train_input / 255.0 train_scaled, val_scaled, train_target, val_target = train_test_split( train_scaled, train_target, test_size=0.2, random_state=42) In [32]: def model_fn(a_layer=..

심층 신경망¶ 2개의 층¶ 입력층은 생각하지 않는다.¶ 모든 신경망의 은닉층에는 항상 활성화 함수가 있다.¶ 분류 문제의 경우 클래스에 대한 확률을 출력하기 위해 활성화 함수를 사용한다.¶ 회귀는 임의의 어떤 숫자를 출력하는 문제이므로 활성화 함수를 적용할 필요가 없다. ¶ In [1]: from tensorflow import keras (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() In [2]: from sklearn.model_selection import train_test_split train_scaled = train_input / 255.0 train_scaled ..

인공 신경망 데이터 이해¶ 패션 MNIST¶ In [3]: from tensorflow import keras (train_input, train_target), (test_input, test_target) = \ keras.datasets.fashion_mnist.load_data() 훈련데이터 크기¶ In [4]: print(train_input.shape, train_target.shape) # 6만개의 샘플과 28픽셀*28픽셀로 구성된 3차원 데이터, 흑백이미지 # 타겟은 0~9까지의 10개의 클래스로 숫자를 표현 (60000, 28, 28) (60000,) 테스트데이터 크기¶ In [5]: print(test_input.shape, test_target.shape) (10000, 28, 28)..