keras-1 mnist

1. python

import keras
keras.__version__

2.12.0

케라스를 불러온다.

from keras.datasets import mnist
(train_images,train_labels),(test_images,test_labels) = mnist.load_data()
train_images.shape
(60000, 28, 28)
test_images.shape
(10000, 28, 28)

케라스에 내장된 손글씨 데이터인 mnist를 불러온다.

import matplotlib.pyplot as plt

digit = train_images[4]
plt.imshow(digit, cmap=plt.cm.binary)

숫자[4]를 그릴 수 있다.

from keras import models
from keras import layers

network = models.Sequential()
network.add(layers.Dense(512,activation='relu',input_shape=(28*28,)))
network.add(layers.Dense(10,activation='softmax'))
network.compile(optimizer='rmsprop',
                loss='categorical_crossentropy',
                metrics=['accuracy'])

sequential()을 사용하여 레이어를 붙여줄 수 있다. 28*28픽셀의 렐루를 가진 한 개의 신경망과 다중 분류를 위한 소프트 맥스를 가진 한 개의 신경망을 만든다. 손실함수와 옵티마이저, 메트릭을 지정한다.

train_images = train_images.reshape((60000, 28*28))
train_images = train_images.astype('float32') / 255

test_images = test_images.reshape((10000, 28*28))
test_images = test_images.astype('float32') / 255

데이터를 실수형으로 변환한다.

from tensorflow.keras.utils import to_categorical

train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)

라벨 값이 원핫 인코딩 형태를 가지기 위하여 categorical으로 바꿔준다.

network.fit(train_images, train_labels, epochs=5, batch_size=128)
Epoch 1/5
469/469 [==============================] - 8s 14ms/step - loss: 0.2643 - accuracy: 0.9236
Epoch 2/5
469/469 [==============================] - 6s 13ms/step - loss: 0.1067 - accuracy: 0.9683
Epoch 3/5
469/469 [==============================] - 6s 14ms/step - loss: 0.0707 - accuracy: 0.9790
Epoch 4/5
469/469 [==============================] - 6s 13ms/step - loss: 0.0511 - accuracy: 0.9850
Epoch 5/5
469/469 [==============================] - 6s 12ms/step - loss: 0.0388 - accuracy: 0.9885

fit으로 학습한다.

test_loss, test_acc = network.evaluate(test_images, test_labels)
print('test acc:', test_acc)

313/313 [==============================] - 3s 8ms/step - loss: 0.0637 - accuracy: 0.9803
test acc: 0.9803000092506409

테스트를 하면 잘 작동한다.