Keras 함수 / Numpy 함수 정리

 

Keras

Keras Decumentation참고

 

● Sequential

- keras.models.Sequential()

- Neural Network를 초기화하는데 필요

- model 생성자

 

● add

- models.add()

- sequential로 만든 모델에 특성 넣어줌

 

● Dense

- keras.layers.Dense(<출력 뉴런의 수>,<input_dim>,<init>,<activation>)

- input_dim: 입력 뉴런의 수 설정

- init: 가중치 초기화 방법 설정 (uniform / normal)

- activation: 활성화 함수 설정 (linear / relu / sigmoid / softmax)

- 입력 뉴런과 출력 뉴런을 모두 연결해준다.

- 참고 

 

                                                                                                     [출처: 데이터 사이언스 스쿨]

 

 

● GRU

- keras.layers.GRU()

- LSTM의 게이트 일부를 생략한 형태 (Gradient vanishing/explosing문제 없음)

 

● compile

- model.compile(<loss>,<optimizer>)

- 모델 학습과정 설정

- 손실 함수 및 최적화 방법 정의

- ex)  model.compile(loss='mean_squared_error', optimizer='sgd')  *sgd: 확률적 경사하강법

 

 

Numpy

데이터 사이언스 스쿨참고

 

● arange

- 특정한 규칙에 따라 증가하는 수열을 만든다.

np.arrange(10)
#출력: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 

● reshape

- 기존 데이터는 유지하고 형태만 바꾼다

- -1을 인자로 넣을 수 있는데, 이렇게 하면 알아서 만들어줌

val1 = np.arange(10)
val2 = val1.reshape(2,5)
val2
#출력: array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])

val2= val1.reshape(2,-1)
val2
#출력 위와 동일