티스토리 뷰
케라스는 텐서플로우보다 쉽게 구현할 수 있다.
텐서플로우는 모델을 직접 하나하나 설정해줘야 하지만 케라스는 메소드가 사용자 친화적으로 개발되어 있어 사용하기엔 편하다.
케라스의 구현 과정은 먼저 Sequential로 모델을 만들고 add로 입력과 출력 벡터와 같은 필요한 정보를 추가해간다.
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras import optimizers
x = [1,2,3,4,5,6,7,8,9] #공부 시간
y = [11,22,33,44,53,66,77,87,95] #성적
model = Sequential()
#add로 입력에 대한 출력 신경망을 추가한다.
#출력 차원이 1이고, 입력 차원이 1, linear로 선형회귀를 구현한다고 지정
model.add(Dense(1, input_dim=1, activation='linear'))
#sgd는 하강 경사법, 학습률을 0.01로 지정
sgd = optimizers.SGD(lr=0.01)
#평균제곱오차를 사용한다고 지정
model.compile(optimizer=sgd, loss='mse', metrics=['mse'])
#에포크 300회 학습
model.fit(x,y,epochs=300)
#그래프로 표현
plt.plot(x,model.predict(x),'b',x,y,'k.')
'머신러닝' 카테고리의 다른 글
머신러닝 / 로지스틱 회귀 케라스 구현 (0) | 2023.01.13 |
---|---|
머신러닝 / 로지스틱 회귀 (0) | 2023.01.13 |
머신러닝 / 단순 선형 회귀 텐서플로우 구현 (0) | 2023.01.13 |
머신러닝 / 회귀 (0) | 2023.01.11 |
머신러닝/분류 - KNN 알고리즘 (0) | 2023.01.10 |
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- HTML
- json2html
- PCA
- CAN-FD
- cuckoo
- many-to-many
- 이상탐지
- AVB
- problem statement
- 단순선형회귀
- Python
- SVM
- 딥러닝
- 크로스 엔트로피
- 차량 네트워크
- 차량용 이더넷
- 회귀
- automotive ethernet
- porks
- SOME/IP
- automotive
- 논문 잘 쓰는법
- 케라스
- 로지스틱회귀
- one-to-many
- AVTP
- 머신러닝
- Ethernet
- many-to-one
- AE
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
글 보관함