모델 저장

문제 유형별 MLP 네트워크

• MLP(Multi Layer Perceptron)
  • Fully Connected Layer로 구성된 네트워크

  Regression(회귀)

  • 회귀: 연속형(모든값이 정답이 될수있다.) 실수값을 맞추는것. 대상이 무한대이고 대상이 정해져있지 않다. ⇒ 확률이 0

  성능을 평가할 때 얼마나 잘 맞췄는지가 아니라 얼마나 덜 틀렸는지로 평가한다.

  • 분류: 이진분류 / 다중분류. 범주형(값이 정해져있다)

  얼마나 잘 맞췄는지로 평가한다.

  이진분류- 맞는지 여부(positive (o → 1), negative (x→0))

  다중분류- class가 여러개

  ex. 강아지의 품종이 10개가 있다. 이중 강아지의 품종을 맞춰라.

  → 모델을 구성하는 방법과 사용하는 변수가 달라진다.

  분류 (Classification)

  Fashion MNIST Dataset - 다중분류(Multi-Class Classification) 문제

  10개의 범주(category)와 70,000개의 흑백 이미지로 구성된 패션 MNIST 데이터셋. 이미지는 해상도(28x28 픽셀)가 낮고 다음처럼 개별 의류 품목을 나타낸다:

  패션 MNIST는 컴퓨터 비전 분야의 "Hello, World" 프로그램격인 고전 MNIST 데이터셋을 대신해서 자주 사용된다. MNIST 데이터셋은 손글씨 숫자(0, 1, 2 등)의 이미지로 이루어져 있는데 여기서 사용하려는 옷 이미지와 동일한 포맷이다.

  

  : 패션 MNIST 샘플

  레이블	클래스
  0	T-shirt/top
  1	Trousers
  2	Pullover
  3	Dress
  4	Coat
  5	Sandal
  6	Shirt
  7	Sneaker
  8	Bag
  9	Ankle boo

  : 이미지에 있는 의류 class들

  Dataset, DataLoader 생성하기

  fmnist_trainset = datasets.FashionMNIST(root="datasets", train=True, download=True,
                                         transform=transforms.ToTensor())
  fmnist_testset = datasets.FashionMNIST(root="datasets", train=False, download=True,
                                        transform=transforms.ToTensor())

  data 개수

  print("train 개수:", len(fmnist_trainset))
  print("test 개수:", len(fmnist_testset))

  이미지 확인하기

  idx = 100
  x, y = fmnist_trainset[idx]  # Dataset[i] : (X, y)
  plt.imshow(x[0], cmap='gray')  # x: (channel: 1, height, width)
  plt.title(index_to_class[y])
  plt.show()

  

🙋‍♀️MNIST데이터베이스 (Modified National Institute of Standards and Technology database)

: 손으로 쓴 숫자들로 이루어진 대형 데이터베이스이며, 다양한 화상 처리 시스템을 트레이닝하기 위해 일반적으로 사용된다.

Uploaded by N2T