[tensorflow] Fashion MNIST

텐서플로우 자격증 준비를 위한 공부를 하려고 합니다.

시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다.

• Category 1: Basic / Simple model
• Category 2: Model from learning dataset
• Category 3: Convolutional Neural Network with real-world image dataset
• Category 4: NLP Text Classification with real-world text dataset
• Category 5: Sequence Model with real-world numeric dataset

www.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187

Intro to TensorFlow for Deep Learning | Udacity Free Courses

www.coursera.org/learn/introduction-tensorflow/home/welcome

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

Category 2: Model from learning dataset

Fashion MNIST 데이터를 이용해서 간단한 모델을 만들고 학습을 시키려고 합니다. 아래는 MNIST 데이터의 Label과 Class에대한 설명입니다.

먼저 필요한 패키지를 import합니다.

x_train : 총 60000개의 28×28 크기의 이미지

y_train : x_train의 60000개에 대한 값(0~9)이 담겨있는 레이블 데이터셋

x=x_test,y_test 각각 10000개의 이미지와 레이블 데이터 셋

import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train = x_train / 255.0
x_test = x_test / 255.0

간단한 신경망 모델을 만들어보았다. 총 3개의 레이어로 이루어져 있는데 1번째 레이어는 1차원 테서로 펼치는 것이고 2번째 레이어는 1번째 레이어에서 제공되는 값인 784개의 값을 입력받아 128개로 인코딩 해주는데 활성화 함수로 ReLU 함수를 사용하였습니다. 4번째 레이어에는 총 10개의 값을 출력하는데 여기서 활성화 함수는 Softmax를 사용하였습니다. Softmax를 이용한 것은 다중분류를 위한 확률값으로 해석할 수 있도록 하기 위해서입니다. 

model = tf.keras.models.Sequential([
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(128, activation=tf.nn.relu),
        tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.summary()

정의된 모델을 학습하기 위해서 컴파일 합니다. 

 

역전파를 통한 가중치 최적화를 위한 기울기 방향에 대한 경사하강을 위한 방법으로 Adam 옵티마이저를 이용하였고 손실함수로 다중 분류의 Cross Entropy Error인 sparse_categorical_crossentropy를 이용하였습니다. 모델 평가를 위한 평가지표로는 accuracy를 지정하였습니다.

 

Epoch은 전체 데이터셋에 대해서 한번 학습할때의 단위로 모델의 반복횟수로는 5 Epoch를 지정하였습니다.

model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
history = model.fit(
         x_train, 
         y_train, 
         epochs=10
         )

모델 평가 결과 0.0944의 손실값과 0.9761의 정확도를 얻었습니다.

model.evaluate(x_test,  y_test, verbose=2)