4주차 과제리뷰를 해보자.
이번에는 2 layer NN ( hidden layer + output layer )을 모델링 한다.
- planar data classification
- set layer
- initialize the model's parameters
- forward propagation
- get cost function
- back propagation
- gradient descent
- prediction
- keras.dataset_mnist
- sklearn.train_test_split
- holdout validation
from tensorflow.keras.models import Sequential- Sequential
model을 간단하게 만드는 keras의 가장 강력한 기법
model을 쉽게 만들 수 있어야 여러가지 model을 test하는 iterative process가 효율적일 수 있다.
from tensorflow.keras.layers import Dense- Dense
layer
촘촘하게 다른 층의 unit과 연결되어 있는 모습
대체로 hidden layer를 'relu'로 채운다.
첫번째 layer에는 꼭 input_shape 혹은 input_dim을 설정
Sequential 1번째 기법
dense1 = Dense(units = 32, activation='relu', input_shape=(784,))
dense2 = Dense(72, activation = 'tanh')
dense3 = Dense(1, activation = 'sigmoid')
layers1 = [dense1, dense2, dense3]
model1_1 = Sequential(layers1)
model1_1.summary()Sequential 2번째 기법
model2 = Sequential()
model2.add(Dense(64, activation='relu', input_dim = 784))
model2.add(Dense(100, activation = 'relu'))
model2.add(Dense(128, activation = 'relu'))
model2.add(Dense(32, activation = 'relu'))
model2.add(Dense(10, activation = 'softmax'))
model2.summary()