Tensorflow 이미지분류(ANN) 모델링 하기

mnist = tf.keras.datasets.fashion_mnist
( X_train,y_train ) , ( X_test , y_test ) = mnist.load_data()

기존 텐서플로우 안에 존재하는 이미지 딥러닝 세트

 

6만장 사진 28행 28열 (컬러 사진은 rgb값까지 포함해서 뒤에 3이 하나 더붙음)

 

이미지값은 숫자로 되어있다. 0부터 255까지의 숫자로 되어있다.

그림으로 보면 이런식

 

X_train = X_train /255.0

이미지란 어짜피 0~255 사이숫자이기때문에 최대값으로 나눠버리면 그게 노말라이징 그리고 255.0 으로 하는이유는 딥러닝엔 float으로 해야됨 int값은 잘 안됨

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

from keras.layers import Flatten

https://seonggongstory.tistory.com/142

Tensorflow 이미지분류(CNN) 과 Flatten

 

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

https://seonggongstory.tistory.com/133

딥러닝 하이퍼 파라미터 용어: optimizer 와 손실함수(loss function)

loss function은 sparse_categorical_crossentropy 로 하고

 

https://seonggongstory.tistory.com/127

딥러닝 하이퍼 파라미터 용어 : activation Functions (수정)

 

 

 

model = build_model()
model.fit(X_train, y_train,epochs = 5)

 

컨퓨전 메트릭스로 나온 결과를 

y_pred = y_pred.argmax(axis=1)

argmax를 통해 레이블 인코더로 바꿔버림

 

confusion_matrix(y_test,y_pred)

컨퓨전 매트릭스로 과연 인공지능이 어떤걸 많이 헷갈려 했는가 파악해보기

대각선은 1을 1이라한거 2를 2라한거 3을3이라한거... 나머지는 각자리라고 착각한 수

 

 

히트맵을 통해 더 자세히 알 수 있다