25.11.03 개발일지 / 딥러닝 1(모두의 딥러닝 개정4판)

딥러닝 모델 설계

# 1.
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 2.
import numpy as np

# 3.
!git clone https://github.com/taehojo/data.git

# 4.
Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",")
X = Data_set[:,0:16]
Y = Data_set[:,16]

# 5.
model = Sequential()
model.add(Dense(30, input_dim=16, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 6.
model.compile(loss='binary_crossentropy', optimizer='adam',
              metrics=['accuracy'])
history = model.fit(X, Y, epochs=5, batch_size=16)

 

1. from (라이브러리명) import (함수명)

> 특정 라이브러리에서 필요한 함수를 불러올 때 사용함.

2. import (라이브러리명) as (사용자 정의명)

> 특정 라이브러리를 사용자 정의이름으로 변경할 때 사용함

3. Git에서 복제

4. 데이터 세팅

> 넘파이의 loadtxt() 함수를 이용하여, Data_set을 마련함.

> X와 Y에 각각 [행, 열]로 데이터를 입력하여 세팅함.

5. 모델 구조

> Sequential() 함수를 이용하여 딥러닝 층을 간단히 추가할 수 있게함.

> Dense() 함수를 이용해 각 층의 구조를 설정할 수 있음.

> 입력층 16, 은닉층 30, 활성화 함수 relu로 설정(입력층과 은닉층은 동시에 설정하는 것으로 보임)

> 출력층 1, 활성화 함수 sigmoid로 설정

6. 모델 실행(컴파일 -> 실행)

> 손실함수 binary_crossentropy(교차 엔트로피 오차함수),

옵티마이저 adam(최신 경사 하강법),

모델 수행결과 설정 accuracy(정확도 기반)

> 속성, 클래스, epochs(반복횟수), batch_size(처리단위)