패스트캠퍼스 챌린지 - 46일차

강의 내용 Review

---

📍배운내용📍

• Variable
• 인덱싱과 슬라이싱
• Tensor연산 
• Dataset
• Sequential 모델 

👉강의내용👈

Part4. 딥러닝 대표 3대장 프레임워크 기초

Ch 03_텐서플로우/케라스 이론 및 실습

Variable

• variable은 변할수 있는 상태를 저장하는데 사용하는 텐서 
• 딥러닝에서는 학습해야하는 가중치와 바이어스를 variable로 생성 
• tensor의 값은 변경 불가능, 텐서는 한번 값을 생성하면 변경 안됨 => 튜플도 값 변경안됨
• variable을 초기값을 넣어 만듦, initializer도 있음 
• 값 갱신시에는 assign을 사용해 변경함 
• assign_sub를 사용하면 뺄셈을 하게 되는데 그래디언트 디센트를 할때는 뺄셈을 사용함

인덱싱과 슬라이싱

• 넘파이와 동일함
• 인덱싱에는 [인덱스]로 접근해서 사용함
• 슬라이싱에는 [숫자:숫자] 로 텐서를 부분적으로 사용함 
• Transpose를 사용하면 열 위치를 변경할수 있음 
• reshape는 텐서 형태 변경함 

Tensor연산

• 텐서들은 서로 연산 할수있음 
• + -> add(x, y)
• - -> subtract(x, y)
• * -> multiply(x, y)
• / -> divide(x, y)
• @ -> matmul(x, y)
• reduce_sum(텐서)를 하면 원소를 다 더함 
• reduce_sum에 파라미터로 axis(축)을 설정할수 있음 

Dataset

• Data를 처리하여 model에 넣기위해 tf.data.Dataset을 사용함 
• 데이터를 4개로 나눠서 출력 가능 
• FashoinMNIST data를 불러올때는 load_data()를 사용함 
• 데이터 전처리는 데이터를 처리해서 좋은 모델 예측 성능을 만들기 위해 사용함
• image를 0-1로 만들기 위해서 255(픽셀값)으로 나눠줌 
• 이 범위에 있어야 학습이 잘됨 
• 커스텀 데이터셋도 만들수 있음

Keras Sequential API 사용

• 모델을 만드는데는 3가지 방법이 있는데 시퀀셜이 가장 쉽고 좋음
• 1. 보통 함수로 모델을 만듦 
• 2. 시퀀셜 모델 생성 
• 3. add 로 레이어 추가 
• 4. 처음 인풋시에는 플랫튼으로 입력데이터를 펴줘야함, 인풋타입을 명시해줘야함 
• 5. add로 Dense레이어를 추가해주고 퍼셉트론 수와, 활성화 함수를 표기 해줌 
• 6. Dropout으로 과적합 방지함 
• 7. 마지막에는 클래스 개수만큼 뉴런개수를 줘야 분류가 가능하고, 소프트맥스 함수를 사용해서 활률값 구함
• 플랫튼과 드랍아웃은 대부분 레이어로 쳐주지 않음 
• model.summary()하면 모델 요약을 볼수 있음 

공부사진 

---

강의듣기

실습하기

46일차 후기

---

강의를 듣고 실습까지 했다. 패션데이터 셋으로 해보니깐 신기했다. 

 

 

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.