케라스 이해하기

케라스를 사용하면서 딥러닝을 설계 해야한다면, 설계도는 하나의 모델이라고 표현된다고 한다.

모델은 퍼셉트론, 목표함수, 옵티마이저로 구성되어지며 과제의 예로 들면 아래와 같다.

 

model = Sequential([
    Dense(64, activation='sigmoid', input_dim=32), # A, B
    Dense(128, activation='sigmoid'), # C
    Dense(5, activation='softmax') # D
])

위 예시에서 Sequential은 케라스에서 제공하는 모델 중에 하나이며 순차적인 레이어를 쌓기 위해 사용하는 모델이다.

코드의 2번째 줄에서 input_dim의 역할은 입력해야 할 뉴런의 수를 설정하는 것이고,

activation의 역할은 활성화 함수를 설정하는 것이다. 위 예시에선 sigmoid와 softmax를 변수로 사용하였다.

 

목표함수의 역할은 어떤 결과 값을 취할 것이며 모델의 정확도 즉 성능을 판단하는 기준이다. 

지금까지 배워왔던 mse, catogorical,bianry 등이 있다.

model.compile(optimizer='sgd', loss='sparse_categorical_crossentropy', metrics=['acc'])

옵티마이저의 역할은 구하고자 하는 값이 틀렸을때 어떠한 방식으로 값을 수정하여 좋은 모델로 출력할 것인지 정하는 것이다.

 

상세한 내용은 좀 더 이해가 가도록 공부한 후 수정하도록 하겠다.

 

 

 

https://gamsunghacker.tistory.com/27 참고하였따