[python] 주피터 노트북에서 딥러닝 모델 구축하기

14 Dec 2023

python

딥러닝은 머신러닝의 한 종류로, 인공 신경망을 사용하여 복잡한 문제를 해결하는 데 사용됩니다. 주피터 노트북은 딥러닝 모델을 만들고 실행하기 위한 훌륭한 도구입니다. 이번 포스트에서는 주피터 노트북에서 딥러닝 모델을 구축하는 방법을 살펴보겠습니다.

셀 추가와 코드 입력

주피터 노트북은 코드와 텍스트를 함께 작성하고 실행할 수 있는 환경을 제공합니다. 먼저 새로운 셀을 추가하고, Python 코드를 입력해보겠습니다.

# 필요한 라이브러리 import
import tensorflow as tf
from tensorflow.keras import layers

위 코드는 TensorFlow 라이브러리를 tf로 import하고, 딥러닝 모델을 생성하기 위한 layers 모듈을 import하는 예시입니다.

모델 구축

이어서, 딥러닝 모델을 구축해보겠습니다. 아래 코드는 간단한 컨볼루션 신경망(CNN) 모델을 구축하는 예시입니다.

# 모델 생성
model = tf.keras.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Flatten(),
    layers.Dense(10, activation='softmax')
])

위 코드는 2차원 이미지를 입력으로 받아들이는 CNN 모델을 생성하는 예시입니다.

모델 실행 및 평가

마지막으로, 모델을 실행하고 평가해봅시다.

# 모델 컴파일
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 모델 학습
model.fit(train_images, train_labels, epochs=5)

# 모델 평가
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)
print('\n테스트 정확도:', test_acc)

위 코드는 모델을 컴파일하고, 학습한 뒤 테스트 데이터로 모델을 평가하는 예시입니다.

이제 주피터 노트북에서 딥러닝 모델을 구축하는 방법을 알아보았습니다. 여기서 다룬 예시는 TensorFlow 라이브러리를 사용한 것이지만, 다른 딥러닝 프레임워크를 사용하는 경우에도 비슷한 방법으로 모델을 구축하고 실행할 수 있습니다.

목차

셀 추가와 코드 입력

모델 구축

모델 실행 및 평가