[혼공머신러닝] 7장 인공신경망 기본 정리

안녕하세요 Dibrary입니다.

이번에는 신경망 코드를 정리해보겠습니다. keras는 저도 안써봤었는데, 이번에 알고 꽤나 쉬울 수도 있겠다는 생각이 드는 좋은 라이브러리입니다.

 

---

해당 코드는 fashion_mnist 데이터를 사용했습니다. 데이터를 불러오는 코드는 아래와 같습니다.

정말 심플하죠? 핵심은 keras.datasets.fashion_mnist.load_data( ) 입니다. 

꼭 fashion_mnist로 하지 않아도 되긴 합니다. 살펴보면, boston_housing 데이터도 있고, cifar10 등등 하나만 있는 것은 아닙니다.

 

데이터 크기를 확인해보면 아래와 같습니다.

(60000, 28, 28) 에 의미는 28*28 크기로 구성된 데이터가 6만개 있다는 의미입니다.

즉, 하나의 데이터는 28*28 (곱하면 784가 됩니다.)개의 숫자 데이터로 이뤄져 있는 셈이죠.

뭔소린가 의아하다면, 직접 한개를 확인해 보겠습니다. 데이터가 무지하게 많이 나오죠. 잘 보시면, 한 줄은 28개의 숫자가 들어있고, 그 줄이 28개 있습니다.

28개, 28개

 

그럼 이 데이터를 이제 한 줄의 데이터로 만들어 보겠습니다. (그래야 좀 다루기가 편하겠죠?)

위 코드에서 train_input을 255로 나누는 것은 해당 데이터를 구성하는 숫자가 0~255값인데, 이를 0~1 사이의 값으로 변경하는 것입니다. (번외로.. 이러한 기법은 양자역학에서도 주로 사용합니다.)

그 뒤에 reshape를 이용해서 28*28 = 784개의 숫자 데이터가 하나의 데이터를 구성하게 만들었습니다.

 

reshape 전에는 28행, 28열로 구성된 데이터가 6만개였다면, 이제는 1행 784열로만 구성된 데이터가 6만개인 셈입니다.

 

---

데이터에 대한 탐색은 끝났으니 본격적으로 신경망 모델에 적용해보겠습니다.

먼저 데이터를 훈련 데이터와, 테스트용 데이터로 나눠야 합니다. 주로 사용하던 train_test_split 함수로 홀드아웃을 해 줍니다.

이렇게 하면 6만개의 데이터가 48000개와 12000개로 나뉩니다. test_size를 20%(0.2)로 설정했으니까 딱 맞게 나왔네요.

 

---

여기부터가 중요한 코드입니다.

Dense 클래스로 dense라는 이름을 가진 밀집층을 만드는 코드 입니다. 관련 유닛(뉴런)은 10개로 지정했고(10개의 아이템을 분류하므로), 활성함수는 softmax 함수로 했습니다. 

input_shape는 입력할 데이터의 크기인데, 우리는 아까 1행 784열로 만들었으므로 해당 정보를 그대로 입력하면 됩니다. 

(해당 데이터를 print로 확인해 보면 (784, ) 로 나옵니다. 그 값을 그대로 넣어주면 됩니다.)

 

그리고 해당 밀집층을 모델로 만듭니다. Sequential 클래스에 전달인자로 넣어만 주면 해당 객체가 곧 모델이 됩니다.

해당 모델을 훈련하기 전에 몇 가지 설정을 합니다. 그 중에 loss라는 손실함수 설정과, metrics라는 부분에 정확도를 같이 볼 수 있게 'accuracy' 값을 넣어줬습니다.

손실 함수는 sparse_categorical_crossentropy 인데, 이는 '정수로된 타겟값만을 사용해 계산하는 크로스 엔트로피 손실함수' 입니다.

 

여기까지 모델 만들기가 끝난겁니다. 정말 쉽죠? 사실상 데이터 분류 후에 3~4줄만 작성하면 되는 것이었습니다 ;; 

만들어진 모델은 fit 함수로 훈련을 시키면 됩니다.

각 step마다 accuracy가 높아지는 것을 볼 수 있습니다. 정확해지는 것이죠.

 

---

혼공머신 미션.