Skip to content

CNN

MNIST 데이터셋

import tensorflow as tf
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
  • x_train의 형태는 (N, 28, 28)
  • 컬러 이미지의 경우 삼원색의 이미지가 겹쳐져서 (N, 28, 28, 3) 형태
  • CNN의 경우 입력에서 마지막 차원이 색상의 수를 나타냄
  • 흑백 이미지이므로 (N, 28, 28, 1) 형태로 바꿔줌
import numpy as np
x_train = np.expand_dims(x_train, -1)
x_test = np.expand_dims(x_test, -1)

CNN 모델 정의

from tensorflow.keras.layers import *
model = tf.keras.Sequential([
    Rescaling(1/255),
    Conv2D(32, kernel_size=(3, 3), activation="relu"),
    MaxPooling2D(pool_size=(2, 2)),
    Conv2D(64, kernel_size=(3, 3), activation="relu"),
    MaxPooling2D(pool_size=(2, 2)),
    Flatten(),
    Dropout(0.5),
    Dense(10, activation="softmax"),
])

훈련

설정

model.compile(loss='sparse_categorical_crossentropy', 
              optimizer='adam', metrics=['accuracy'])

훈련

model.fit(x_train, y_train, epochs=10)

테스트

model.evaluate(x_test, y_test)

313/313 [==============================] - 1s 3ms/step - loss: 0.0238 - accuracy: 0.9919

[0.023816542699933052, 0.9919000267982483]

CIFAR10

10 종류의 32x32 크기 컬러 이미지 데이터

훈련용 5만개, 테스트용 1만개

컬러 이미지이므로 데이터 로딩 후 차원을 추가할 필요 없음

(x_train, y_train), (x_test, y_test) = \
    tf.keras.datasets.cifar10.load_data()

Downloading data from https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
170498071/170498071 [==============================] - 24s 0us/step