시작하기무료로 시작하기

신경망 분리

외과 장갑을 끼세요. 이제 뇌 수술(?)을 시작합니다!

뉴런은 가중치를 업데이트해 데이터셋의 서로 다른 출력 클래스를 더 잘 구분하도록 도움이 되는 값을 출력하면서 학습해요. 방금 만든 inp_to_out() 함수를 활용해 Banknote Authentication model의 첫 번째 층에 있는 두 뉴런의 출력을, 학습 과정에서 시각화해 보겠습니다.

2장에서 만든 model은 물론 X_test, y_test도 바로 사용할 준비가 되어 있어요. plot()을 확인하고 싶다면 콘솔에 show_code(plot)을 붙여넣으세요.

이 작업은 계산량이 많습니다. 모두 완료되면 그래프를 클릭하며 분리가 실시간으로 이루어지는 모습을 살펴보세요!

이 연습은 강의의 일부입니다

Keras로 시작하는 딥 러닝

강의 보기

연습 안내

  • 이전에 정의한 inp_to_out() 함수를 사용해 X_test를 입력으로 주었을 때 첫 번째 층의 출력을 얻으세요.
  • model.evaluate() 메서드를 사용해 각 epoch에서 테스트 데이터셋의 검증 정확도를 구하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
코드 편집 및 실행