[PYTHON/KERAS] 다층 퍼셉트론 신경망 만들기 (MNIST)

■ 다층 퍼셉트론 신경망을 만드는 방법을 보여준다.

▶ 예제 코드 (PY)


import keras.datasets.mnist as mnist
import keras.layers as layers
import keras.models as models
import keras.utils.np_utils as np_utils
import matplotlib.pyplot as pp
import numpy as np

print("데이터 로드를 시작합니다.")

(trainInputNDArray, trainCottectOutputNDArray), (testInputNDArray, testCorrectOutputNDArray) = mnist.load_data()

trainInputNDArray         = trainInputNDArray.reshape(60000, 784).astype("float32") / 255.0
testInputNDArray          = testInputNDArray.reshape(10000, 784).astype("float32") / 255.0
trainCottectOutputNDArray = np_utils.to_categorical(trainCottectOutputNDArray)
testCorrectOutputNDArray  = np_utils.to_categorical(testCorrectOutputNDArray)

print("데이터 로드를 종료합니다.")

print("모델 정의를 시작합니다.")

model = models.Sequential()

model.add(layers.Dense(units = 64, input_dim = 28 * 28, activation = "relu"))
model.add(layers.Dense(units = 10, activation = "softmax"))

model.compile(loss = "categorical_crossentropy", optimizer = "sgd", metrics = ["accuracy"])

print("모델 정의를 종료합니다.")

print("모델 학습을 시작합니다.")

history = model.fit(trainInputNDArray, trainCottectOutputNDArray, epochs = 5, batch_size = 32)

print("모델 학습을 종료합니다.")

print("훈련 손실   : ", history.history["loss"])
print("훈련 정확도 : ", history.history["acc" ])

print("모델 평가를 시작합니다.")

evaluationList = model.evaluate(testInputNDArray, testCorrectOutputNDArray, batch_size = 32)

print("[평가 손실, 평가 정확도] = ", evaluationList)

print("모델 평가를 종료합니다.")

print("모델 데이터 저장을 시작합니다.")

model.save("model.data")

print("모델 데이터 저장을 종료합니다.")

print("모델 사용을 시작합니다.")

inputNDArray         = testInputNDArray[0:1]
correctOutputNDArray = testCorrectOutputNDArray[0:1]

outputNDArray = model.predict(inputNDArray)

print("정답 : ", np.argmax(correctOutputNDArray))
print("평가 : ", np.argmax(outputNDArray))

print("모델 사용을 종료합니다.")

import keras.datasets.mnist as mnist

import keras.layers as layers

import keras.models as models

import keras.utils.np_utils as np_utils

import matplotlib.pyplot as pp

import numpy as np

print("데이터 로드를 시작합니다.")

(trainInputNDArray, trainCottectOutputNDArray), (testInputNDArray, testCorrectOutputNDArray) = mnist.load_data()

trainInputNDArray = trainInputNDArray.reshape(60000, 784).astype("float32") / 255.0

testInputNDArray = testInputNDArray.reshape(10000, 784).astype("float32") / 255.0

trainCottectOutputNDArray = np_utils.to_categorical(trainCottectOutputNDArray)

testCorrectOutputNDArray = np_utils.to_categorical(testCorrectOutputNDArray)

print("데이터 로드를 종료합니다.")

print("모델 정의를 시작합니다.")

model = models.Sequential()

model.add(layers.Dense(units = 64, input_dim = 28 * 28, activation = "relu"))

model.add(layers.Dense(units = 10, activation = "softmax"))

model.compile(loss = "categorical_crossentropy", optimizer = "sgd", metrics = ["accuracy"])

print("모델 정의를 종료합니다.")

print("모델 학습을 시작합니다.")

history = model.fit(trainInputNDArray, trainCottectOutputNDArray, epochs = 5, batch_size = 32)

print("모델 학습을 종료합니다.")

print("훈련 손실 : ", history.history["loss"])

print("훈련 정확도 : ", history.history["acc" ])

print("모델 평가를 시작합니다.")

evaluationList = model.evaluate(testInputNDArray, testCorrectOutputNDArray, batch_size = 32)