TensorFlow 실습

1. 의류이미지 분류

Fashion MNIST를 통해서 Tensorflow의 사용법과 신경망 모델링의 기본 구성을 이해해보고 Tensorflow의 Keras를 통해서 딥러닝 모델링을 실행해본다.

1-1. Fashion MNIST란?

10개의 범주(category)와 70,000개의 흑백 이미지로 구성된 패션 MNIST  데이터셋을 사용한다. 이미지는 해상도(28x28 픽셀)가 낮고 다음처럼 개별 옷 품목을 나타낸다

패션 MNIST는 일반적인 MNIST 보다 조금 더 어려운 문제이고 다양한 예제를 만들기 위해 선택했다. 두 데이터셋은 비교적 작기 때문에 알고리즘의 작동 여부를 확인하기 위해 사용되곤 한다. 코드를 테스트하고 디버깅하는 용도로 좋다.

여기에서 60,000개의 이미지를 사용하여 네트워크를 훈련하고 10,000개의 이미지를 사용하여 네트워크에서 이미지 분류를 학습한 정도를 평가한다. TensorFlow에서 직접 Fashion MNIST에 액세스할 수 있다. TensorFlow에서 직접 Fashion MNIST 데이터를 가져오고 로드한다.

2. 모델 컴파일

모델의 필요한 여러 부분을 정의하고 편집하기 위한 컴파일을 진행한다. 모델의 구조가 설정되면 해당 모델에 필요한 손실함수, 옵티마이저, 평가지표등을 설정하는 단계를 진행해야 한다.

1) 손실 함수 - 훈련 중 모델이 얼마나 정확한지 측정합니다. 모델을 올바른 방향으로 "조정"하려면 이 함수를 최소화해야 한다.

2) 옵티마이저 - 모델이 인식하는 데이터와 해당 손실 함수를 기반으로 모델이 업데이트되는 방식이다.

3) 메트릭 — 훈련 및 테스트 단계를 모니터링하는 데 사용됩니다. 다음 예에서는 올바르게 분류된 이미지의 비율인 정확도를 사용한다.

3. 모델 훈련

신경망 모델을 훈련하려면 다음 단계가 필요하다.

1) 훈련 데이터를 모델에 주입합니다-이 예에서는 train_images와 train_labels 배열이다.

2) 모델이 이미지와 레이블을 매핑하는 방법을 배운다.

3) 테스트 세트에 대한 모델의 예측을 만듭니다-이 예에서는 test_images 배열이다. 이 예측이 test_labels 배열의 레이블과 맞는지 확인한다.
4) 예측이 test_labels 배열의 레이블과 일치하는지 확인한다.

4. 다른 모델 만들기

5. 모델 파일 저장

6. 모델 불러오기

7. 모델 체크 포인트 설정하기

8. earlystopping

9. 최종 하나의 모델 만들기