[혼공머신]6주차_딥러닝을 시작합니다

 

Ch.07-1 확인문제

​

1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는?

A: 1010개,

파라미터의 개수를 구하는 방법은 입력 특성에 출력층의 뉴런 개수를 곱한 가중치에 각 뉴런이 가지는 절편 개수를 더한다.
(입력특성) * (뉴런 개수) + (뉴런 개수)

100 * 10 + 10 = 1010

 

2. 케라스의 Dense 클래스를 이용해 신경망의 출력층을 만드려고 합니다. 이 신경망이 이진 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요?

A: Signoid 함수

Dense층은 밀집층, 완전 연결층이라고도 하며 뉴런과 입력층의 변수들이 모두 한 번씩 곱해져 가중치가 모두 생긴다. 밀집층에서는 분류하려는 클래스의 개수와 동일한 개수의 뉴런이 있어야 한다. 

이때 이 신경망이 이진분류모델이므로 Signoid 함수를 사용한다. 만약 다중 분류 모델의 경우 .Softmax 함수를 사용한다.

 

3. 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서드는 무엇인가요?

A: compile 메서드

케라스의 compile() 함수는 모델을 컴파일하는 함수이다. 모델을 학습시키기 전에 compile() 함수를 사용하여 모델의 손실 함수(loss), 최적화 방법(optimizer), 평가 지표(metrics)를 설정한다.


optimizer
: 최적화 방법을 설정. 경사 하강법 등 다양한 최적화 알고리즘이 존재한다.
loss
: 손실 함수를 설정. 모델이 예측한 값과 실제 값 사이의 차이를 계산하는 함수이다.
metrics
: 평가 지표를 설정. 학습 중 모델의 성능을 평가할 때 사용.
정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 점수 등이 있다.

 

4. 정수 레이블을 타겟으로 가지는 다중 분류 문제일 때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은?


A: sparse_categorical_crossentropy

이진 분류의 경우에는 binary_crossentropy 를 사용한다.

 

 

---

컨디션 이슈로 과제 막차탑승^^,,, 마지막까지 잘 마무리하고 싶었는데 체력이 고갈되었는지 요 몇일 골골대며 겨우겨우 일어났다 집에 오면 기절하고 있다ㅠㅠ 그래도 얼레벌레 필수과제라도 했으니 됐다~,, 중요한건 어떻게든 끝내겠다는 나의 의지....인걸로^^!