[딥러닝] 인공 신경망 - 케라스 API 소개

◈  '인공 신경망' 목차 ◈

1. 퍼셉트론

2. 다층 퍼셉트론

3. 케라스 API 소개

    딥러닝 API 중 가장 많이 사용되는 케라스 API 에 대해 살펴보고, 텐서플로우 기반의 케라스 구현 방법을 살펴보자.

4. 시퀀셜 API 구현

5. 함수형 API 구현

6. 서브클래싱 API 구현

7. 모델 저장과 복원, 콜백, 텐서보드

8. 신경망 하이퍼파라미터 튜닝하기

---

1. 딥러닝 API 

케라스는 모든 종류의 신경망을 손쉽게 만들고 훈련, 평가, 실행할 수 있는 고수준 딥러닝 API이다. 

 

케라스는 계산 백엔드에 의존하여 신경망에 필요한 많은 연산을 수행한다.

인기 있는 세 가지 딥러닝 라이브러리 중에서 백엔드를 선택할 수 있었다.

˙ 텐서플로

˙ 마이크로소프트 코그니티브 툴킷(CNTK)

˙ 시애노

 

혼동을 피하기 위해 이를 멀티백엔드 케라스라고 부르겠다.

 

 

 

2016년 후반부터 다른 구현이 릴리스되기 시작했다. 

˙ Apache MXNet

˙ 애플의 Core ML

˙  자바스크립트나 타입스크립트 - 웹브라우저에서 케라스 코드를 실행할 때
˙  PlaidML - 엔비디아 뿐 아니라 모든 종류의 GPU 장치에서 실행할 때

 

또한 텐서플로는 자체적인 케라스 구현인 tf.keras를 번들로 포함시켜, 이 구현은 백엔드로 텐서플로만 지원한다. 

대신 데이터 적재와 전처리를 간편하게 수행할 수 있는 텐서플로 데이터 API를 지원함으로써 장점을 추가하였다.

 

 

텐서플로와 케라스 다음으로 인기 있는 딥러닝 라이브러리가 페이스북 파이토치이다. 

이 API는 케라스와 매우 비슷하여, 케라스를 배운고 나서 파이토치를 배우는 것은 어렵지 않을 것이다. 

 

 

2. 텐서플로로 구현하기

2.1 텐서플로2 설치

$ python3 -m pip install -U tensorflow

======================================================================================

import tensorflow as tf
from tensorflow import keras

print(tf.__version__)
#(출력) '2.0.0'
print(kears.__version__)
#(출력) '2.2.4-tf' 
#-tf 접미사는 tf.keras가 텐서플로 특화된 기능이 추가되어 케라스 API를 구현했다는 것을 나타냅니다.

 

 

2.2 텐서플로 상 임포팅 방식

■  방법1

전체 경로를 활용하여 코딩 시, 장황하지만 어떤 패키지를 사용하는 지 쉽게 알 수 있고 표준 클래스와 사용자 정의 클래스 사이에서 혼란을 피할 수 있다.

from tensorflow import keras
output_layer = keras.layers.Dense(10)

 

■  방법2

 

실전에서는 해당 임포팅 방식을 선호한다.

from tensorflow.keras.layer import Dense
output_layer = Dense(10)