■ 다층 퍼셉트론 신경망 만들기 (MNIST)

----------------------------------------------------------------------------------------------------

import keras.datasets.mnist as mnist

import keras.layers.core as core

import keras.models as models

import keras.utils.np_utils as np_utils

import matplotlib.pyplot as pp

import numpy as np

 

np.random.seed(1671)

 

inputLayerNodeCount  = 784

hiddenLayerNodeCount = 128

outputLayerNodeCount = 10

 

# 학습 및 테스트 데이터를 로드한다.

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

 

trainInputNDArray = trainInputNDArray.reshape(60000, inputLayerNodeCount)

trainInputNDArray = trainInputNDArray.astype("float32")

 

testInputNDArray  = testInputNDArray.reshape(10000, inputLayerNodeCount)

testInputNDArray  = testInputNDArray.astype("float32")

 

# 입력 데이터를 정규화 한다.

trainInputNDArray /= 255

testInputNDArray  /= 255

 

print(trainInputNDArray.shape[0], "학습 샘플 데이터"  )

print(testInputNDArray.shape[0] , "테스트 샘플 데이터")

 

# 범주 벡터를 이진 범주 행렬로 변환한다.

trainCorrectOutputNDArray = np_utils.to_categorical(trainCorrectOutputNDArray, outputLayerNodeCount)

testCorrectOutputNDArray  = np_utils.to_categorical(testCorrectOutputNDArray , outputLayerNodeCount)

 

# 모델을 정의한다.

model = models.Sequential()

 

model.add(core.Dense(hiddenLayerNodeCount, input_shape = (inputLayerNodeCount,)))

model.add(core.Activation("relu"))

model.add(core.Dropout(0.3))

model.add(core.Dense(hiddenLayerNodeCount))

model.add(core.Activation("relu"))

model.add(core.Dropout(0.3))

model.add(core.Dense(outputLayerNodeCount))

model.add(core.Activation("softmax"))

 

model.summary()

 

# 모델을 컴파일한다.

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

 

# 모델을 학습시킨다.

history = model.fit(trainInputNDArray, trainCorrectOutputNDArray, batch_size = 128, epochs = 20, verbose = 1, validation_split = 0.2)

 

# 모델을 평가한다.

scoreList = model.evaluate(testInputNDArray, testCorrectOutputNDArray, verbose = 1)

 

print("")

print("테스트 스코어 : ", scoreList[0])

print("테스트 정확도 : ", scoreList[1])

 

# 히스토리의 모든 데이터 목록을 표시한다.

print(history.history.keys())

 

# 정확도 히스토리를 표시한다.

pp.plot(history.history["acc"    ])

pp.plot(history.history["val_acc"])

 

pp.title("model accuracy")

pp.ylabel("accuracy")

pp.xlabel("epoch")

pp.legend(["train", "test"], loc = "upper left")

 

pp.show()

 

# 손실 히스토리를 표시한다.

pp.plot(history.history["loss"    ])

pp.plot(history.history["val_loss"])

 

pp.title("model loss")

pp.ylabel("loss")

pp.xlabel("epoch")

pp.legend(["train", "test"], loc = "upper left")

 

pp.show()

----------------------------------------------------------------------------------------------------

Posted by 사용자 icodebroker