생활코딩

Coding Everybody

코스 전체목록

닫기

네번째 딥러닝 - 신경망의 완성:히든레이어

수업소개

히든레이어와 멀티레이어의 구조를 이해하고, 히든레이어를 추가한 멀티레이어 인공신경망 모델을 완성해 봅니다. 

강의 

 

멀티레이어 신경망

 

실습 

 

소스코드

colab |  backend.ai

보스턴 집값 예측

##########################
# 라이브러리 사용
import tensorflow as tf
import pandas as pd

###########################
# 1.과거의 데이터를 준비합니다.
파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/boston.csv'
보스턴 = pd.read_csv(파일경로)

# 종속변수, 독립변수
독립 = 보스턴[['crim', 'zn', 'indus', 'chas', 'nox', 
            'rm', 'age', 'dis', 'rad', 'tax',
            'ptratio', 'b', 'lstat']]
종속 = 보스턴[['medv']]
print(독립.shape, 종속.shape)

###########################
# 2. 모델의 구조를 만듭니다
X = tf.keras.layers.Input(shape=[13])
H = tf.keras.layers.Dense(10, activation='swish')(X)
Y = tf.keras.layers.Dense(1)(H)
model = tf.keras.models.Model(X, Y)
model.compile(loss='mse')

# 모델 구조 확인
model.summary()

###########################
# 3.데이터로 모델을 학습(FIT)합니다.
model.fit(독립, 종속, epochs=100)

###########################
# 4. 모델을 이용합니다
print(model.predict(독립[:5]))
print(종속[:5])

###########################
# 모델의 수식 확인
print(model.get_weights())

아이리스 품종 분류

###########################
# 라이브러리 사용
import tensorflow as tf
import pandas as pd

###########################
# 1.과거의 데이터를 준비합니다.
파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv'
아이리스 = pd.read_csv(파일경로)

# 원핫인코딩
아이리스 = pd.get_dummies(아이리스)

# 종속변수, 독립변수
독립 = 아이리스[['꽃잎길이', '꽃잎폭', '꽃받침길이', '꽃받침폭']]
종속 = 아이리스[['품종_setosa', '품종_versicolor', '품종_virginica']]
print(독립.shape, 종속.shape)

###########################
# 2. 모델의 구조를 만듭니다
X = tf.keras.layers.Input(shape=[4])
H = tf.keras.layers.Dense(8, activation="swish")(X)
H = tf.keras.layers.Dense(8, activation="swish")(H)
H = tf.keras.layers.Dense(8, activation="swish")(H)
Y = tf.keras.layers.Dense(3, activation='softmax')(H)
model = tf.keras.models.Model(X, Y)
model.compile(loss='categorical_crossentropy',
              metrics='accuracy')

# 모델 구조 확인
model.summary()

###########################
# 3.데이터로 모델을 학습(FIT)합니다.
model.fit(독립, 종속, epochs=100)

###########################
# 4. 모델을 이용합니다
print(model.predict(독립[:5]))
print(종속[:5])

 

댓글

댓글 본문
  1. dudjswp
    안녕하세요.

    올려주신 자료로 열심히 tensorflow 공부하고 있습니다.

    항상 감사합니다.

    상기 예제의 IRIS 분류와 관련해서 질문사항 있어서 댓글 올립니다.

    혹시 데이터 학습시에 특정 컬럼에 우선순위를 줄 수 있을까요 ?

    # =========================
    독립변수 = [[ '꽃잎길이' , '꽃잎폭' , '꽃받침길이' , '꽃받침폭']]
    우선순위 = [[0 ,1 ,2 ,3]]
    # =========================

    위와같이 변수별 우선순위 할당을 통해 우선순위가 높은 데이터의 유사성에 더 가중치를둬서 predict의 결과를 반환받을 수 있는지 궁금합니다.
  2. kwaife
    완료
  3. innerpeace
    원리를 이해하기에 가야할길이 더 많겠지만, 이렇게나 쉽게 입문시켜주셔서 감사합니다! 뜬구름 잡는 아이디어만 갖고 있었는데, 이제야 출발선에서 준비운동하고 있는 기분이예요! 감사합니다.!!!
  4. 김정석
    감사합니다 재미있게 잘 배웠습니다
  5. 완료
  6. 인간지능
    완료!감사합니댜.
  7. 김영환
    완료
  8. shg7271
    210729
  9. Poroporo
    완료:)
  10. 한세월
    완료! 감사합니다~
  11. 조예인
    감사합니다.
  12. 제갈자공
    김남군 - 7/27 완료
  13. Hotbrains
    완료~ 감사합니다.
  14. 이덕규
    생각보다 간단한 개념이었네요!
  15. songji
  16. 이성민
    완료~
  17. Naked Lunch
    야학 3기! 점점 인간의 뇌를 닮아가는 내 컴퓨터!
  18. semin3993
    sigmoid*x=swish
  19. 210721
  20. minkey
    야학3기 21.07.20 완료
  21. 엠제이
    잘 봤습니다. 고맙습니다.
  22. 정효빈
    완료했습니다!!
  23. jwoh
    21-05-06
  24. 박준휘
    20210427 완료했습니다~
  25. 장청룡
    20210315 완료
  26. 범벌
    완료
  27. 청춘낭비금물
    완료
  28. ericpark
    완료했습니다.
  29. Juni
    완료
  30. 조지아
    완료
  31. DreamComeTrue
    완료!
  32. 바이크
    완료
  33. agg98
    완료
  34. jeseung
    완료!
  35. 후니
    완료
  36. 손님입장
    완료
  37. nann
    완료
  38. Noah
    완료
  39. 차차caca
    완료!
  40. 고고고고
    완료
  41. 최수원
    완료!
  42. 먀린이
    완료....이번 내용은 좀 어렵네요...핳하
  43. 리코타
    완료
  44. 궉하
    완료!
  45. luckyo02
    완료
  46. 코티서처
    어려우면서도 신기하다
  47. John
    완료
  48. 소야
    신기해요!
  49. MacTechIN
    Swish 가 에러가 난다고 하는데 왜그럴까요?
  50. 김태균
    완료!
버전 관리
이선비
현재 버전
선택 버전
graphittie 자세히 보기