[220928 ABC] 케라스에서의 개발 과정

 

 

 

 

 

1. 학습 데이터를 정의함
2. 데이터에 적합한 모델을 정의함
3. 손실 함수, 옵티마이저, 평가지표를 선택하여 학습 과정을 설정함
4. 모델을 학습시킴
5. 모델을 평가함

 

 

 

 

 

 

데이터 준비

• 학습, 검증, 테스트 데이터로 분리

모델 구성

• Sequential(), Functional API(7장) 방법

• 항상 모델의 첫 번째 층은 데이터의 형태(위 코드에서 input_shape 인자)를 전달해주어야 함
• 두 번째 층부터는 자동으로 이전 층의 출력 형태가 입력 형태로 지정

 

• compile() 함수를 통한 학습 과정 설정

• 옵티마이저(optimizer) : 최적화 방법을 설정, SGD(), RMSProp(), Adam(), NAdam() 등
  • 'sgd', 'rmsprop', 'adam'과 같이 문자열로 지정하여 사용 가능
  • tf.keras.optimizers
• 손실 함수(loss function) : 학습 과정에서 최적화시켜야 할 손실 함수를 설정
  • mse(mean_squared_error), binary_crossentropy, categorical_crossentropy
  • tf.keras.losses
• 평가 지표 : 학습 과정을 모니터링하기 위해 설정
  • tf.keras.metrics

 

• fit() 함수를 통한 모델 학습

• 에폭(epochs) : 전체 학습 데이터를 몇 회 반복할지 결정
• 배치 크기(batch_size) : 전달한 배치 크기만큼 학습 데이터를 나누어 학습을 진행
• 검증 데이터(validation_data) : 모델 성능을 모니터링하기 위해 사용
• 평가 진행
  • evaluate(), predict()