[Python] 케라스(Keras)를 사용한 MNIST 문자인식 구현 예제

이번에는 Keras를 사용해서 MNIST 문자인식 구현했다.

확실히 PyTorch에 비해 구현하기가 간단하고 편했다. 

---

구조

구조는 PyTorch와 같다.

2개의 Convolution layer와 2개의 FC레이어로 구성했다.

각 layer의 중간에 오버피팅을 줄이고 연산량을 감소시키기 위해 Max pooling 하였고, 

Convolution layer의 끝에는 Dropout을 적용했다.

 

 

소스코드

!pip install -q tensorflow-gpu==2.0.0-rc1
import tensorflow as tf
 
from tensorflow.keras import datasets, layers, models
 
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()
 
train_images = train_images.reshape((60000, 28, 28, 1))
test_images = test_images.reshape((10000, 28, 28, 1))
 
# 픽셀 값을 0~1 사이로 정규화합니다.
train_images, test_images = train_images / 255.0, test_images / 255.0
 
model = models.Sequential()
model.add(layers.Conv2D(10, (5, 5), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(20, (5, 5), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
 
model.add(layers.Flatten())
model.add(layers.Dense(100, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
 
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
 
model.fit(train_images, train_labels, epochs=5)test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)

 

PyTorch에 비해서 코드가 훨씬 간단하다.

Convolution layer를 구성하는 부분이나, FC layer를 구성하는 부분도 한줄이면 끝난다.

 

결과

결과