Keras를 사용한 딥 러닝-모델 컴파일

컴파일은 다음과 같은 단일 메서드 호출을 사용하여 수행됩니다. compile.

model.compile(loss='categorical_crossentropy', metrics=['accuracy'], optimizer='adam')

그만큼 compile메소드에는 여러 매개 변수가 필요합니다. 손실 매개 변수는 유형을 갖도록 지정됩니다.'categorical_crossentropy'. 메트릭 매개 변수는 다음으로 설정됩니다.'accuracy' 마지막으로 우리는 adam네트워크 훈련을위한 최적화 도구. 이 단계의 출력은 다음과 같습니다.

이제 데이터를 네트워크에 공급할 준비가되었습니다.

데이터로드

앞서 말했듯이, 우리는 mnistKeras에서 제공하는 데이터 세트. 데이터를 시스템에로드 할 때 훈련 데이터와 테스트 데이터로 분할합니다. 데이터는load_data 다음과 같이 방법-

(X_train, y_train), (X_test, y_test) = mnist.load_data()

이 단계의 출력은 다음과 같습니다.

이제로드 된 데이터 세트의 구조에 대해 알아 보겠습니다.

우리에게 제공되는 데이터는 28 x 28 픽셀 크기의 그래픽 이미지이며 각각 0에서 9 사이의 단일 숫자를 포함합니다. 콘솔에 처음 10 개의 이미지를 표시합니다. 이를위한 코드는 다음과 같습니다.

# printing first 10 images
for i in range(10):

plot.subplot(3,5,i+1)
plot.tight_layout()
plot.imshow(X_train[i], cmap='gray', interpolation='none')
plot.title("Digit: {}".format(y_train[i]))
plot.xticks([])
plot.yticks([])

10 카운트의 반복 루프에서 각 반복마다 서브 플롯을 생성하고 다음의 이미지를 표시합니다. X_train벡터. 각 이미지의 제목은 해당y_train벡터. 참고y_train 벡터는 해당 이미지의 실제 값을 포함합니다. X_train벡터. 두 메서드를 호출하여 x 및 y 축 표시를 제거합니다.xticks 과 yticks널 인수가 있습니다. 코드를 실행하면 다음과 같은 출력이 표시됩니다.

다음으로 네트워크에 데이터를 공급할 데이터를 준비합니다.