[혼공머신] 6주차

회고

드디어 마지막 주차다 후후후 

지난 6주동안 혼공단 스터디를 진행하면서 확실히 나는 뭔가를 걸어놔야 하는구나....란걸 깨달았다

그래도 매주 커리큘럼이 있기때문에 꾸준히 할 수 있었던 거 같답 더군다나 간식도 보내주시구 응원댓글까지 달아주시며 관리해주시니 너무 좋은 활동이었다 (이거 웨 안훼??? 😊) 

스터디를 통해서 그동안 뭔가 뇌 이곳저곳을 떠돌던 개념들이 제자리를 찾았고 깔끔하게 정리할 수 있었다

 

Chapter 07 딥러닝을 시작합니다 
07-1 인공 신경망 
07-2 심층 신경망
07-3 신경망 모델 훈련

기본 미션

Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기

1.어떤 인공신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런의 갯수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요?

-> 1000 / 1001 / 1010 / 1100

답: 1010 - 절편10개(10개 뉴런) + 1000(100입력 X 10개 뉴런)

 

2.케라스의 Dense를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?
-> 'binary' / 'sigmoid' / 'softmax' / 'relu'

답: sigmoid - 이진분류

softmax - 다중분류

relu - 은닉층의 활성화함수로 사용

 

3.케라스의 모델에서 손실 함수와 측정 지표등을 지정하는 메서드는 무엇인가요?
-> configure() / fit() / set() / compile()

답: compile - 모델 훈련 전 손실함수, 출력지표 등 설정

fit - 모델훈련진행 / evaluate - 훈련된 모델 성능 평가 (검증)

 

4.정수 레이블을 타깃으로 가지는 다중분류 문제일때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?
-> 'sparse_categorical_crossentropy' / 'categorical_crossentropy' / 'binary_crossentroypy' / 'mean_square_error'

답: 'sparse_categorical_crossentropy' - 타겟 정수레이블 / 다중분류

 'categorical_crossentropy' - 원핫인코딩 / 다중분류

 'binary_crossentroypy' - 타겟 정수레이블 / 이진분류 

 'mean_square_error' - 회귀모델 평가지표

 

sparse O-> 타겟 정수레이블

sparse X -> 타겟 원핫인코딩

선택 미션

Ch.07(07-2) 확인 문제 풀고, 풀이 과정 정리하기

1. 다음 중 모델의 add() 메서드의 사용법이 올바른 것은 어떤 것인가요?

답: model.add(keras.layers.Dense(10, activation='relu'))

 

2. 크기가 300 x 300인 입력을 케라스 층으로 펼치려고 합니다. 다음 중 어떤 층을 사용해야 하나요?

-> Plate / Flatten / Nomalize / Dense

답: Flatten 

 

3. 다음 중에서 이미지 분류를 위한 심층 신경망에 널리 사용되는 케라스의 활성화 함수는 무엇인가요?

-> linear / sigmoid / relu / tanh

답: relu - 이미지 분류 신경망에 자주 사용

tanh - 순환신경망에서 자주 사용

 

4. 다음중 적응적 학습률을 사용하지 않는 옵티마이저는 무엇인가요?

-> SGD / Adagrad / RMSprop / Adam

답: SGD 

Adagrad, RMSprop, Adam -> 적응적 학습률 옵티마이저