DF901 데이터 전처리하기에 이어 이번에는 딥러닝으로 은하분류하기!
CNN 모델을 구현해서 은하 이미지를 분류해보는 문제이다.
Keras는 일단 Tensorflow를 base로 두고 있는 high-level API 이다.
Home - Keras Documentation
Keras: The Python Deep Learning library You have just found Keras. Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano. It was developed with a focus on enabling fast experimentation. Be
keras.io
문제로 들어가자.
Dense layer란?
Dense layer는 익숙한 말로 Fully Connected layer라고 생각하면 된다.
Fully Connected layer는 이름 그대로 Input, Output neuron을 전부 연결한다.
아래 그림과 같이 모든 뉴런이 모두 연결되어 있는 것이다.
Flatten layer란?
항상 느끼지만 영어로 뭔가 개념에 대한 이름을 정할 때 직관적으로 잘 짓는다.
Flatten layer도 말그대로 평평하게 만드는 것이다.
데이터를 1D로 쭉 펴주는 레이어로 주로 cnn에서 fully connected layer를 거치기 전에 사용한다.
Conv2D layer란?
2D 형태의 Input을 사용하는 Convolution layer이다. 2D input을 stride만큼 filter를 슬라이딩하면서 이미지에서 feature를 추출해서 output으로 출력하는 레이어이다.
이해가 안가면 aikorea의 포스팅을 보는 것을 추천.
MaxPooling2D layer란?
convolution을 하는 건 아니지만 어떤 특정 구역의 value들 중에 max를 취해서 가장 큰 값만 추출해 내는 레이어.
가장 큰 값을 남기기 때문에 작은(비교적 의미가 없는) 값이 영향을 끼치지 않게 하는 효과가 있다.
다핏, 데이터사이언스 연습문제
내 손으로 연습하며 실력쌓기
www.dafit.me
'DAFIT > 902 - 딥러닝으로 은하분류하기' 카테고리의 다른 글
| <DAFIT> 02 딥러닝으로 은하 분류하기 06 - Validation, Evaluate (0) | 2019.10.29 |
|---|---|
| <DAFIT> 02 딥러닝으로 은하 분류하기 05 - Loss, Optimizer (0) | 2019.10.29 |
| <DAFIT> 02 딥러닝으로 은하 분류하기 04 - Relu, Softmax (0) | 2019.10.29 |
| <DAFIT> 02 딥러닝으로 은하 분류하기 03 - CNN (0) | 2019.10.29 |
| <DAFIT> 02 딥러닝으로 은하 분류하기 02 - Image Data Generator (0) | 2019.10.29 |