[파이썬] Keras 케라스 모델의 케라스 튜너 사용

07 Sep 2023

Keras

Keras은 Python 기반의 인공 신경망 라이브러리로, 딥 러닝 모델을 쉽게 개발하고 훈련할 수 있게 도와줍니다. Keras Tuner는 Keras 모델의 하이퍼파라미터 튜닝을 자동화하는 도구로, 최적의 성능을 가진 모델을 찾기 위해 다양한 하이퍼파라미터 조합을 탐색할 수 있습니다.

케라스 튜너 설치

pip install keras-tuner

케라스 튜너를 사용하여 모델 튜닝하기

먼저, 튜닝할 Keras 모델을 준비합니다. 이 예시에서는 다중 클래스 분류 문제를 위한 간단한 신경망 모델을 사용하겠습니다.

import keras
from keras.models import Sequential
from keras.layers import Dense

def build_model(hp):
    model = Sequential()
    model.add(Dense(units=hp.Choice('units', [32, 64, 128]), activation='relu', input_shape=(input_dim,)))
    model.add(Dense(units=hp.Choice('units', [32, 64, 128]), activation='relu'))
    model.add(Dense(units=output_dim, activation='softmax'))
    
    model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
    
    return model

다음으로, 튜닝할 하이퍼파라미터를 정의합니다. 예시에서는 은닉층의 유닛 개수를 Choice 메소드를 사용하여 선택할 수 있도록 했습니다.

from kerastuner import RandomSearch
from kerastuner.engine.hyperparameters import HyperParameters

tuner = RandomSearch(
    build_model,
    objective='val_accuracy',
    max_trials=5,
    hyperparameters=HyperParameters()
)

RandomSearch 객체를 생성한 후, search 메소드를 호출하여 튜닝을 시작합니다. 모델을 훈련하고 검증 데이터를 기반으로 최적의 하이퍼파라미터 조합을 찾습니다.

tuner.search(x_train, y_train, validation_data=(x_val, y_val), epochs=10)

튜닝이 완료되면 최적의 모델과 하이퍼파라미터를 확인할 수 있습니다.

best_model = tuner.get_best_models(num_models=1)[0]
best_hp = tuner.get_best_hyperparameters(num_trials=1)[0]

이제 Keras Tuner를 사용하여 Keras 모델의 하이퍼파라미터 튜닝을 수행하는 방법을 알게 되었습니다. 이를 통해 보다 효율적인 모델 개발과 성능 향상을 이룰 수 있습니다.