딥러닝 : Flatten()라이브러리 없이 이미지를 평탄화 하는 방법과 Validation_data= 파라미터 사용법

https://hyunsungstory.tistory.com/161

딥러닝 : Fashion mnist 10개로 분류된 패션 이미지를 tensorflow를 이용해 분류하기 / Flatten , softmax , 분

위 게시글과 똑같은 데이터 셋으로 진행합니다.

 

바로 모델링 과정으로 넘어가겠습니다.

Flatten()라이브러리 없이 이미지를 평탄화 하는 방법

import tensorflow as tf
from tensorflow import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Flatten
from keras.layers import Dropout

Dropout이란 뉴런에 연결된 선을, 일부분을 잘라서, 학습이 잘 되도록 하는 방법

 

 

def build_model():
  model = Sequential()
  model.add( Dense(128, 'relu',input_shape=(784,)) )
  model.add( Dropout(0.2) )
  model.add( Dense(64, 'relu') )
  model.add( Dense(10, 'softmax'))
  model.compile('adam', 'sparse_categorical_crossentropy', ['accuracy'])
  return model

 

 

 

 이전 게시글에서는 input_shape을 사용하지 않고 flatten 라이브러리를 사용해서 처리를 했는데 그렇게 사용하지 않고

 운영하는 회사들도 있기 때문에 ( 텐서플로우 버젼에 따라 다름 ) 위와 같이 코드를 작성 해보았다.

 

input_shape에 784가 들어간 이유는 아래 사진과 같다

 

 

 

 

Validation_data= 파라미터

 

에포크시마다 테스트를 하는 (쪽지시험이라고 생각) 밸리데이션 데이터를 처리하는 방법중에

밸리데이션 데이터를 따로 준비한 경우에 사용하는 validation_data= 파라미터가 있다.

model = build_model()
model.summary()

epoch_history = model.fit(X_train,y_train,epochs=10,validation_data=(X_test,y_test))

validation_data= 을 쳐주고 그 뒤에 튜플 () 로 X_test값과 y_test값을 넣어주면 넣은 값으로 에포크시마다 테스트를 진행한다.

위 학습 결과의 history를 차트로 표현 하고 평가 과정을 하면

plt.plot(epoch_history.history['accuracy'])
plt.plot(epoch_history.history['val_accuracy'])
plt.legend(['Train','Val'])
plt.show()

위와 같은 결과를 얻을 수 있다.