[딥러닝] 딥러닝 기초 코드

tensorflow.Keras 를 이용한 딥러닝

Linear Regression (선형 회귀)

# import
import tensorflow as tf
from tensorflow import keras
import numpy as np

# 와 y 데이터 생성
x = np.array(range(20))
y = x * 2 - 1 

# x와 y의 shape을 확인해서 노드 정하기
x.shape, y.shape

# 1번 청소
keras.backend.clear_session()

# 2번 모델 발판 선언
model = keras.models.Sequential()

# 3번 모델 레이어 쌓기
model.add( keras.layers.Input(shape=(1,)) )
model.add( keras.layers.Dense(1) )

# 4번 컴파일 
model.compile(loss='mse',
              optimizer='adam')

#모델 훈련
model.fit(x, y, epochs=10, verbose=1)

#모델 예측값 보기
model.predict(x).reshape(-1)

 

---

 

Logistic Regression (2진 분류문제)

# import 선언
import tensorflow as tf
from tensorflow import keras
import numpy as np

# 학습시킬 x와y 생성
x = np.array(range(20)) 
y = np.array([0]*10 + [1]*10)


# 청소
keras.backend.clear_session()

# 발판생성
model = keras.models.Sequential()

# 발판위에 레이어 생성
model.add( keras.layers.Input(shape=(1,)) )
model.add( keras.layers.Dense(1, activation='sigmoid') )

# 컴파일(평가)
model.compile(loss='binary_crossentropy', 
			  metrics=['accuracy'],
              optimizer='adam')

# 학습!
model.fit(x, y, epochs=10, verbose=1)

# 결과 출력
print(y)
print(model.predict(x))

선형회귀와 차이점으로 

Dense(1, activation='sigmoid')
model.compile(loss='binart_crossentropy', metrics=['accuracy'])

를 추가한다.

---

 

멀티클래스 분류(3진이상 분류)

# iris 데이터 가져오기
from sklearn.datasets import load_iris
iris = load_iris()

# x와 y설정
x = iris.data
y = iris.target

x.shape, y.shape

x.shape, y.shape = ((150,4), (150,))

One-Hot-Encoding

# keras의 ont-hot-encoding 불러오기
from tensorflow.keras.utils import to_categorical

# one-hot-encoding
y = to_categorical(y, 3)

# shape 확인
x.shape, y.shape

x.shape, y.shape = ((150,4), (150,3))

모델링!

# import 
from tensorflow import keras
import tensorflow as tf
import numpy as np

# 청소
keras.backend.clear_session()

# 모델 생성
model = keras.models.Sequential()

#모델 조립
model.add(keras.layers.Input(shape=(4,)))
model.add(keras.layers.Dense(3,activation='softmax'))

# 컴파일
model.compile(loss='categorical_crossentropy',
			  metrics='accuracy', 
              optimizer='adam')

# 양념
model.summary()

학습!

model.fit(x,y, epochs=10, verbose=1)

2진 분류 코드에서 

from tensorflow.keras.utils import to_categorical

one-hot-encoding후
Dense(3,activation='softmax')
loss='categorical_crossentropy'

를 추가한다.