Keras 사과 바나나 구분

 

import tensorflow.keras as krs
import numpy as np

model = krs.Sequential()
model.add(krs.layers.Flatten(input_shape=(3,)))
model.add(krs.layers.Dense(1, activation='linear'))

otmz = krs.optimizers.SGD(lr=0.000001)
model.compile(optimizer=otmz, loss='mse')
model.summary()


#dipt = np.array([0xff0000/0x1000, 0xffff00/0x1000])
dipt = np.array([[0xff, 0x00, 0x00], [0xff, 0xff, 0x00]]) #사과, 바나나
danswer = np.array([1,2]) #사과, 바나나

print("NpArray: " + str(dipt) )

history = model.fit(dipt, danswer, epochs=3000, verbose=not True)

rst = model.predict(dipt)
print(rst)

#결과
#[[1.0000017]
# [1.9999992]]

 

 

'nan'값 현상

가중치를 가하여 계산된 결과가 변수 값 범위를 넘어서기에 발생하는 것으로 보임.

입력값에 0xff0000같은 큰 수치를 넣으면 발생, 0x3ff0을 넣어도 쉽게 발생.

learningrate에 수치가 클 경우 발생.

 

DataSet정답

dataset에 정답 목록을 인접한 것 끼리 순차적으로 할당할 필요.
연속되는 값으로 예상하기에 접답과 유사성이 멀어지면 인접한 수치의 정답을 예상한다.
특히 Linear으로 예상할 경우 입력과 결과의 값의 짝이 값 크기순으로 정렬이 안 된 DataSet인 경우 정상적인 결과를 기대하기 어렵다(Ex 0=>1, 1=>255, 2=>0).

 

기타

값이나 구조가 단순해 [0x00, 0xff, 0x00]의 결과도 사과로 예상한다.

 

 

x