Recent Posts
Link
250x250
오늘보다 더 나은 내일의 나에게_
비전공자의 IoT 국비 교육 수강일지 Day_91 본문
728x90
머신러닝
📌 CNN 모델 만들기
from tensorflow.keras.layers import Conv2D,MaxPool2D, Flatten
1. 모델 생성
cnn_model = Sequential() # 모델의 뼈대 # 특성 추출부 cnn_model.add(InputLayer(input_shape=(224,224,3))) cnn_model.add(Conv2D(filters=64, kernel_size=(3,3), activation="relu")) cnn_model.add(MaxPool2D()) # 불필요한 정보를 삭제 cnn_model.add(Conv2D(filters=128, kernel_size=(3,3), activation="relu")) cnn_model.add(MaxPool2D()) cnn_model.add(Conv2D(filters=64, kernel_size=(3,3), activation="relu")) cnn_model.add(MaxPool2D()) # 분류기(MLP) cnn_model.add(Flatten()) cnn_model.add(Dense(units=64,activation='sigmoid')) cnn_model.add(Dense(units=32,activation='sigmoid')) cnn_model.add(Dense(units=3,activation='softmax')) cnn_model.summary()
2. 모델 학습
cnn_model.compile(loss="sparse_categorical_crossentropy", optimizer="Adam", metrics=['accuracy']) from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2, random_state=425) cnn_model.fit(X_train,y_train,epochs=50)
3. 모델 예측
pre = cnn_model.predict(X_test)
4. 모델 평가
from sklearn.metrics import classification_report print(classification_report(y_test,np.argmax(pre,axis=1)))
✨코랩에서 작성하던 파일 불러오기
압축 풀기
문제 유형에 따라 사용되는 활성화 함수와 오차함수 종류
728x90
'비전공자의 코딩일지' 카테고리의 다른 글
비전공자의 IoT 국비 교육 수강일지 Day_93 (0) | 2022.04.29 |
---|---|
비전공자의 IoT 국비 교육 수강일지 Day_92 (0) | 2022.04.28 |
비전공자의 IoT 국비 교육 수강일지 Day_90 (0) | 2022.04.26 |
비전공자의 IoT 국비 교육 수강일지 Day_89 (0) | 2022.04.25 |
비전공자의 IoT 국비 교육 수강일지 Day_88 (0) | 2022.04.22 |
Comments