tensorflow mlp 예제

우리가 볼 수 있듯이 우리는 성공적으로 높은 검증 정확도텐서 플로우에 기록 된 다층 지각을 훈련했다! 두 번째 레이어 즉 숨겨진 레이어는 이전 레이어에서 생성된 입력을 제외한 첫 번째 레이어와 동일하여 활성화 함수및 해당 레이어에서 초기화된 가중치를 사용하여 일부 변형을 수행합니다. 이 예제에서는 두 개의 숨겨진 레이어를 사용하지만 둘 이상의 원하는 숫자가 될 수 있습니다. tf.keras 모델은 한 번에 예제의 일괄 처리 또는 컬렉션에 대한 예측을 하도록 최적화되어 있습니다. 따라서 단일 이미지를 사용하더라도 목록에 추가해야 합니다. 바이어스는 모든 학습 예제에 1의 추가 값을 추가하여 구현됩니다. 테스트 데이터 집합의 정확도는 학습 데이터 집합의 정확도보다 약간 낮습니다. 교육 정확도와 테스트 정확도 간의 이러한 차이는 과적합의 예입니다. 오버피팅은 기계 학습 모델이 학습 데이터보다 새 데이터에서 더 나쁜 성능을 발휘하는 경우입니다. 텐서플로우에서는 입력 변수 및 출력 변수및 추적하려는 변수에 대한 자리 표시자를 정의합니다. 예를 들어 트래픽 기호 분류기의 경우 n_input은 32*32*3 = 3072와 같습니다. 이미지는 32×32픽셀이며 각 픽셀에는 3가지 색상 채널(빨간색, 녹색, 파란색)이 있습니다.

n_input은 모델에 공급하는 예제수가 아니라 각 예제에 있는 입력 피쳐의 수를 나타냅니다. n_class는 43개의 서로 다른 교통 표지판이 있기 때문에 이미지가 43개일 수 있습니다. Tf. InteractiveSession()은 모델을 실행하려는 경우 그래프를 인스턴스화하지 않고 직접 텐서플로우 모델을 실행하는 방법입니다. 우리는 784 (입력)-512 (숨겨진 레이어 1)-256 (숨겨진 레이어 2)-10 (출력) 신경망 모델을 구축 할 것입니다. 초기화 변수를 정의하여 모델 구성을 시작해 보겠습니다. 다층_지각론이 나타내는 함수 모델을 그려 보겠습니다. 100개의 교육 예제를 일괄 적으로 처리하고 있다고 가정하겠습니다: 이제 데이터를 처리한 다음 텐서플로우를 사용하여 다층 지각론을 빌드해 보겠습니다. 먼저 필요한 라이브러리를 가져옵니다.

네트워크를 교육하기 전에 데이터를 사전 처리해야 합니다.

Comments are closed

© 2019 Julie Lévesque. All Rights Reserved.
Another site by Webrunner Media