[Keras] CNN 기본예제(mnist)

실행 코드

# 필요 라이브러리 추가
import keras
from keras import models, layers
from keras import backend


class CNN(models.Sequential):
	# 상속한 부모 초기화
	def __init__(self, input_shape, num_classes):
		super().__init__()

		# 3*3 커널 32개, 활성 함수 relu,
		self.add(layers.Conv2D(32, kernel_size=(3, 3),activation='relu',input_shape=input_shape))
		self.add(layers.Conv2D(64, (3, 3), activation='relu'))
		# max_pooling 사용 : 2*2 셀을 묶어 가장 큰 값만 내보냄
		self.add(layers.MaxPooling2D(pool_size=(2, 2)))
		# dropout
		self.add(layers.Dropout(0.25))
		# 2차원을 1차원 벡터로 변형
		self.add(layers.Flatten())
		# fully connected layer(은닉계층, 출력계층으로 구성)
		# 은닉 계층
		self.add(layers.Dense(128, activation='relu'))
		self.add(layers.Dropout(0.5))
		# 출력 계층
		self.add(layers.Dense(num_classes, activation='softmax'))

		self.compile(loss=keras.losses.categorical_crossentropy, optimizer='rmsprop', metrics=['accuracy'])

# mnist 데이트 준
from keras import datasets
class DATA():
	def __init__(self):


		num_classes = 10
		(x_train, y_train), (x_test, y_test) = datasets.mnist.load_data()
		img_rows, img_cols = x_train.shape[1:]

		"""
		DNN과의 차이
		1. 2차원 이미지를 1차원 벡터로 변환하지 않고 그대로 사용한다.
		2. 흑백 이미지에 대한 정보 처리를 위해서 추가적인 차원을 포함시켜야 한다.
		"""
		# 이미지 배열의 앞 단에 추가해야하는 경우(channel_first) 반대(channel_last)
		if backend.image_data_format() == 'channels_first':
			# 이미지의 샘플수, 채널 수, 이미지의 가로 길이, 이미지의 세로 길이
			x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
			x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
			input_shape = (1, img_rows, img_cols)
		#
		else:
			x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
			x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
			input_shape = (img_rows, img_cols, 1)

		x_train = x_train.astype('float32')
		x_test = x_test.astype('float32')
		x_train /= 255
		x_test /= 255

		y_train = keras.utils.to_categorical(y_train, num_classes)
		y_test = keras.utils.to_categorical(y_test, num_classes)

		self.input_shape = input_shape
		self.num_classes = num_classes
		self.x_train, self.y_train = x_train, y_train
		self.x_test, self.y_test = x_test, y_test

# 그래프 그리는 함수 불러오기
from ex_2_1_keras_ann import plot_acc, plot_loss
import matplotlib.pyplot as plt

def main():
	batch_size = 128
	epochs = 3

	data = DATA()
	model = CNN(data.input_shape, data.num_classes)

	history = model.fit(data.x_train, data.y_train, batch_size=batch_size, epochs=epochs, validation_split=0.2)

	score = model.evaluate(data.x_test, data.y_test)
	print()
	print('Test loss:', score[0])
	print('Test accuracy:', score[1])

	plot_acc(history)
	plt.show()
	plot_loss(history)
	plt.show()


if __name__ == '__main__':
	main()

실행 결과