퍼셉트론 하나로만 이루어진 모델말고
퍼셉트론 여러개로 이루어진 신경망같이 생긴 딥러닝 모델을 알아보자
깊은 신경망을 만드는건, 기존의 퍼셉트론을 여러개 연결하면 되는거다.
입력부분을 input layer 라고 하고
출력부분을 output layer 라고 하는데
그사이에 추가한 부분을 hidden layer 라고 한다.
이러면, hidden layer 를 입력으로 받아들이는 퍼셉트론이 필요하다
그리고 hidden layer의 첫번째 결과(h1)를만들기 위해선 하나의 퍼셉트론이 필요할거다.
이렇게 연속적으로 퍼셉트론을 연결하여 거대한 신경망을 만드는 것이다.
이게 딥러닝 인공지능망!
이걸 코드로 만들려면 다음과 같이 적으면 되는데
H=tf.keras.layers.Dense(5, activation='swish')(X)
이 코드가 히든 레이어를 나타낸다.
저 swish 가 최근 발표된 활성화 함수중에 성능이 좋다고 하니까
저걸 사용하자
근데 만약에 히든레이어를 2개 더 쌓아보고 싶다면?
이런식으로 쓰면 되겠다.
이렇게 여러층으로 쌓으면 더 똑똑한 모델을 만들 수 있다는거다.
그러면 직접 colab에서 실습을 해보자
보스턴 집값 예측 모델에서 multi layer를 추가해주었고
아이리스 품종 분류 모델에도 추가해준 모습이다.
colab으로 작성한 코드를 깃허브에 올리고 싶어서
원래 하던대로 Github에 사본저장을 클릭했다.
그런데 평소랑 달리 브랜치를 찾지 못했다고 나오는 거다.
구글링하고 한참을 찾다가....................😭
그냥 안되겠다 싶어서 파일하나를 직접 github repository에다가 업로드 했더니 main 브랜치가 생겨서
나머지 파일들은 colab에서 바로 올릴 수 있었다.
참고 : 생활코딩
