[49일차] ASAC 빅데이터 분석가 4기(DL-3)

⚙️ Deep Learning

📌 CNN

• Convolution : 두 함수를 곱하여 적분하는 연산
• 이미지와 Convolution
  • 특징 추출 : 세로 특성, 가로 특성, edge 추출
  • 이미지 변환 : 이미지에 필터 적용
• Convolution 연산
  • 입력 데이터 Shape : 3D Tensor
  • Filter Shape : 3D Tensor
  • Filter Size : 신경망의 성능이 최대가 되도록 설정 (일반적으로 3x3, 5x5, 7x7)
  • Filter Numbers : 이미지 복잡도에 따라 다르게 설정 (이미지 특징의 수에 비례)
  • 결과 : 2D Feature Map

---

⚙️ 실습

📌 MNIST 데이터 준비

import tensorflow as tf

fahion_mnist = tf.keras.datasets.fashion_mnist
(train_X, train_y), (test_X, test_y) = fahion_mnist.load_data()

train_X = train_X / 255.0
test_X = test_X / 255.0

train_X = train_X.reshape(-1,28,28,1)
test_X = test_X.reshape(-1,28,28,1)

---

📌 CNN 모델 구현

model = tf.keras.Sequential([
    
    # 합성곱 층
    tf.keras.layers.Conv2D(input_shape = (28,28,1), kernel_size = (3,3), filters = 16),
    tf.keras.layers.Conv2D(kernel_size = (3,3), filters = 32),
    tf.keras.layers.Conv2D(kernel_size = (3,3), filters = 64),

    # 분류를 위한 FNN
    tf.keras.layers.Flatten(),

    tf.keras.layers.Dense(units = 128, activation = 'relu'),

    # 출력용 층
    tf.keras.layers.Dense(units = 10, activation = 'softmax')

])

---

📌 학습 방법 세팅

model.compile(
    loss = 'sparse_categorical_crossentropy',
    optimizer = tf.keras.optimizers.Adam(),
    metrics = ['accuracy']
)

---

📌 학습 진행

model.fit(train_X, train_y, epochs = 20, validation_split = 0.25, batch_size = 128)