AI-Homework

과제 개요

• Fully-connected 인공 신경망을 이용한 MNIST(손 글씨 이미지) 영상 분류하기

• 과제 목표 : 하이퍼파라미터에 따른 인공 신경망의 성능 분석

• 수행 작업

  • 베이스 모델의 epoch(학습 주기) 변경
  • 베이스 모델의 hidden layer(은닉 계층)수 변경
  • 베이스 모델의 hidden neuron(은닉 뉴런)수 변경

---

수행 작업 설명

1.베이스 모델의 epoch(학습 주기) 변경

• 작업 내용

  • 3개의 파일 중 하나를 선택한 후 EPOCHS 값을 50, 100, 200, 400으로 각각 변경하여 학습 및 실험

• 결과물

  • Epoch에 따른 성능 비교
  • 결과에 대한 분석 및 평가

2.베이스 모델의 hidden layer(은닉 계층)수 변경

• 작업 내용

  • hidden layer 값을 1,2,3으로 각각 변경하여 학습 및 실험

• 결과물

  • hidden layer 값에 따른 성능 비교
  • 결과에 대한 분석 및 평가

3.베이스 모델의 hidden neuron(은닉 뉴런)수 변경

• 작업 내용

  • mnist_V2_two_layers.py와 mnist_V3_three_layers.py파일의 N_HIDDEN = 64, 128, 256로 각각 변경하여 학습 및 실험

• 결과물

  • Hidden neuron수에 따른 성능 비교
  • 결과에 대한 분석 및 평가

---

부록 1) 손글씨 데이터 집합 MNIST

• 데이터 분할 및 크기

  • Train data# : 60,000개
  • Test data# : 10,000개

• 입력 데이터

  • 흑백 영상
  • shape : 28x28

• 출력 데이터

  • 영상 라벨 {0 ~9}

• 코드 첫 실행 시, 자동으로 다운로드

부록 2) 참고 사이트

• Keras참고

  • https://keras.io/api/

• Tensorflow 참고 (2.3버전)

  • https://www.tensorflow.org/versions/r2.3/api_docs/python/tf?hl=ko