[AI] 패션 MNIST 데이터셋 사용해서 인공지능 학습하기

패션 MNIST 데이터셋 사용해서 인공지능 학습하기

---

1. MNIST

2. 코드 설명

 

인공지능 복습하기 위해 포스팅 하고 있습니다.

---

1. MNIST

머신러닝과 딥러닝을 처음 배울 때 많이 사용하는 데이터셋 중 하나입니다.

 

2. 예제 코드

# 패션 MNIST 데이터셋 로드
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

 

패션 MNIST 데이터셋을 로드한 후 데이터셋을 훈련용과 테스트용으로 분리합니다.

훈련 데이터는 모델을 학습할 때 사용되는 데이터이고, 테스트 데이터는 모델을 테스트할 때 사용되는 데이터입니다.

 

# 클래스 이름 정의
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

 

각 숫자 레이블에 해당하는 의류 종류의 이름을 리스트로 정의합니다.

 

# 데이터 정규화
train_images = train_images / 255.0
test_images = test_images / 255.0

 

훈련 데이터와 테스트 데이터의 픽셀 값을 0~1 범위로 정규화합니다.

 

이미지 픽셀 값은 0~255 범위인데, 0~255 범위를 그대로 사용할 경우 값의 크기 차이로 인해 학습이 비효율적일 수 있습니다.

정규화를 통해 0~1 범위로 변환하여 데이터 범위를 일정하게 맞추어 학습 성능을 향상시키고 더 안정적인 결과를 도출할 수 있습니다.

 

# 모델 생성
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

 

데이터를 학습할 모델을 생성합니다.

 

# 모델 컴파일
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

 

모델을 학습할 때 사용할 옵티마이저, 손실 함수, 평가 지표를 설정합니다.

 

# 모델 훈련
model.fit(train_images, train_labels, epochs=10)

 

훈련 데이터를 사용하여 모델을 epochs 크기만큼 반복 학습 시킵니다.

해당 모델은 10번 학습시키게 됩니다.

 

# 모델 평가
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print(f'\n테스트 정확도: {test_acc}')

 

테스트 데이터를 사용하여 모델의 손실 값과 정확도를 평가합니다.

 

# 예측 수행
predictions = model.predict(test_images)

 

테스트 데이터에 대한 모델의 예측값을 생성합니다.

 

# 첫 번째 이미지 예측 결과 시각화
plt.figure()
plt.imshow(test_images[0], cmap=plt.cm.binary)
plt.colorbar()
plt.grid(False)
plt.show()

 

첫 번째 테스트 이미지의 시각화를 수행하여 예측된 결과를 확인할 수 있습니다.

 

# 예측된 레이블 출력
predicted_label = np.argmax(predictions[0])
print(f'예측된 레이블: {class_names[predicted_label]}')

 

배열에서 가장 높은 확률을 가지는 인덱스를 반환합니다.

predictions[0]이 [0.1, 0.05, 0.02, 0.8, 0.03, ...]라면 np.argmax(predictions[0])은 3을 반환합니다.

class_names 리스트에서 해당 인덱스에 대응하는 클래스를 가져옵니다.

마지막으로 예측된 레이블의 클래스 이름이 출력됩니다.

---

참고 사이트

Keras MNIST 예제코드

 

기본 분류: 의류 이미지 분류  |  TensorFlow Core

 

문제가 있으면 댓글 남겨주세요 !

피드백은 언제나 환영입니다 <3