y_pred = model.predict(test_images)
y_pred = y_pred.argmax(axis = 1)
cm = confusion_matrix(test_labels, y_pred)y_pred의 각행에서(axis = 1) 가장 큰 값의 인덱스를 argmax로 구하면 레이블 인코딩이 된다.
| 텐서플로우의 콜백클래스를 이용해서, 원하는 조건이 되면 학습을 멈추게 하기 (0) | 2022.06.13 |
|---|---|
| 에포크, 학습데이터/밸리데이션데이터와 오버피팅 (0) | 2022.06.13 |
| 분류의 문제에서 loss 셋팅하는 방법 (0) | 2022.06.13 |
| 여러 클래스로 분류할 때, 아웃풋 노드에서 사용하는 액티베이션 함수 softmax (0) | 2022.06.13 |
| Flatten 라이브러리 사용하는 이유 (0) | 2022.06.13 |
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, 'relu'))
model.add(tf.keras.layers.Dense(10, 'softmax'))
model.compile('adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])
model.fit(training_images, training_labels, epochs = 5)Softmax(소프트맥스)는 입력받은 값을 출력으로 0~1사이의 값으로 모두 정규화하며 출력 값들의 총합은 항상 1이 되는 특성을 가진 함수이다. 출력값은 각 레이블의 확률이 된다.
| softmax로 나온 결과를 레이블 인코딩으로 바꾸는 방법 (0) | 2022.06.13 |
|---|---|
| 분류의 문제에서 loss 셋팅하는 방법 (0) | 2022.06.13 |
| Flatten 라이브러리 사용하는 이유 (0) | 2022.06.13 |
| EarlyStopping 라이브러리 사용법 (0) | 2022.06.13 |
| validation 데이터란 무엇이고 코드에서 사용하는 방법 (validation_split) (0) | 2022.06.13 |