[Keras & Tensorfow] 개념

Tensorflow

• 정의 : google에서 개발하고 공개한 머신러닝/딥러닝 라이브러리
• 별명 : google에서 무료로 풀어놓은 괴물 (크앙)
• Tensor란 무엇인가?
  
  • 데이터를 위한 컨테이너(container)
  • 임의의 차원 갯수를 가지는 행렬의 일반화된 모습
  • 텐서에서는 차원(dimension)을 종종 축(axis)라고 부른다. 
  • 텐서의 축 개수를 rank라고도 부른다.

종류	차원	개념
Scalar	0D   rank 0 tensor	하나의 숫자
Vector	1D   rank 1 tensor	1차원 배열, 연속적인 숫자들의 집합 = 숫자들의 배열
Matirx	2D   rank 2 tensor	2차원 배열, 행렬 형태의 숫자들의 집합 = 벡터의 배열
Tensor	3D   rank 3 tensor	3차원 배열 = 행렬의 배열

• 핵심 속성
  1. 축의 개수(랭크)
  2. 크기(shape)텐서의 각 축을 따라 얼마나 많은 차원이 있는지를 나타낸 파이썬의 튜플이다.
  3. 데이터 타입텐서에 포함된 데이터의 타입니다.
• Tensor의 구조
  • 텐서들은 graph구조에서 node에서 node로 전달(flow)된다
    • 그래프 자료구조는 node와 edge로 구성
    • 따라서 node와 edge를 먼저 정의하고 session을 정의!

Keras

• 파이썬으로 구현된 딥러닝 라이브러리
• 특징
  • 모듈화
    • 모든 모듈은 독립적으로 실행
    • 모델은 시퀀스 또는 그래프 구성
  • 간결성
    • 간결, 이해하기 쉬움
  • 확장성
    • 새로운 클래스나 함수로 모듈을 쉽게 추가할 수 있다.
• 학습과정
  1. 데이터 생성
     • 데이터셋으로부터 train, test, 시험셋을 생성, 포맷, 변환 등
  2. 모델 구성
     • 시퀀스 모델 생성, 레이어 추가
     • 케라스 함수 API 사용 가능
     • model의 종류
       • Sequential : 가장 간단한 레이어 모델
         • Sequential 모델로 원하는 레이러를 순차적으로 적재
         • 인공 신경망의 입력, 은닉, 출력층 생성
         • model의 add()를 이용해 단계 추가
         • Dense()
           • fully - connected layer 생성
  3. 모델 학습 과정 설정
     • 학습에 대한 설정
     • 손실함수, 최적화 방법 정의
     • BY compile( )
       • compile() : 모델에 오차함수, 최적화 방법, 메트릭 함수 지정
       • point는 binary일때는 주로 sigmoid, multi일때는 softmax를 사용한다
       • binary일 때 sigmoid를 못 쓰는 것은 아니다. 그러나 주로 sigmoid를 사용한다.
  4. 모델 학습
     • train set으로 
     • fit
       • 모델학습, 오차로부터 매개변수 업데이트
  5. 학습과정 확인
  6. 모델 평가
     • evaluate( ) : test set으로 모델 평가
  7. 모델 사용
     • predict( ) : 임의값에 대한 모델 출력
  8. 저장 및 불러오기
     • save()
       • 인공신경망 모델 저장
     • load_model()
       • 저장된 모델 불러오기