- 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
-
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
-
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
-
Keras참고
-
Tensorflow 참고 (2.3버전)