파이썬:keras(딥러닝) 편집하기 (부분)

==사용법==

===데이터셋 가져오기===
mnist의 데이터셋을 가져온다.

from keras.datasets import mnist

(train_images, train_labels), (test_images, test_labels) = 

===신경망 생성===
from keras import models

<nowiki>;;;</nowiki> import layers

network = models.Sequential() #Sequential은 층을 차례로 추가한 모델이라는 의미. 층을 정의하고 아래의 add를 통해 쌓는다.

network.add(layers.Dense(유닛갯수, activation='활성화함수이름', input_shape=(입력크기 30*30 등,))) #첫번째 층. 유닛갯수는 출력값을 몇개로 할 것인가.

network.add(layers.Dense(유닛갯수, activation='활성화함수이름')) #2층. 나오는 층으로, 0~9까지의 구분을 하기 위한 층이다. 유닛갯수는 출력값 갯수. 1이면 0과 1을 표현한다. 2면 4가지 조합 가능.

network.compile(optimizer='어떻게 최적화할 것인가', loss='손실함수', metrics=['모니터링지표])

<nowiki>#</nowiki>마지막 층에선 확률을 측정하기 위해서 시그모이드 함수를 사용한다. 출력값을 확률처럼 해석하기 위해서.

===훈련===

====훈련 직전. 데이터 조정.====
network.compile(optimizer=<nowiki>''</nowiki>, loss=<nowiki>''</nowiki>, metrics=[<nowiki>''</nowiki>]) #따옴표 안에 적절한 것을 넣는다.

====레이블을 범주형으로====
분류모델일 경우, from keras.utils import to_categorical 을 불러, 레이블=to_categorical(레이블) 을 해주어 해당 분류를 벡터화해준다.

train_images=train_images.reshape((데이터수, input수))

train_images=train_images.astype('float32')/255 #0~255사이의 값을 0~1 사이의 값으로 변환시킨다. 

====훈련====
network.fit(train_images, train_lables, epochs=숫자, batch_size=128) 

===검증===
test_loss, test_acc = network.evaluate(test_image, test_labels) #정확도를 판별한다.

t