1Lab 3. 인공신경망 모델로 MNIST로 손글씨

by Master Seo

Aug 20. 2025

1.분석을 위한 파이썬 패키지 불러오기

import tensorflow as tf

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

import timestart_time = time.time()

2.Mnist 데이터셋 업로드 및 데이터 살펴보기

import tensorflow as tf

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

import timestart_time = time.time()

3.Mnist 데이터 확인하기 - 훈련 데이터에 가장 처음에 있는 데이터의 이미지와 실제 레이블 확인

4.MNIST 데이터 이미지 시각화하여 확인하기(트레인 데이터를 28*28 비트로 총 100개를 행,열 각 10개씩으로 표현)

row = 10

col = 10

n = row * col

plt.figure(figsize=(6,6)) for i in range(n):

ax = plt.subplot(row, col, i+1) plt.imshow(x_train[i].reshape(28,28)) plt.gray() ax.get_xaxis().set_visible(False) ax.get_yaxis().set_visible(False)

plt.show()

5.데이터 전처리하기 – 0~255.0 사이의 값을 갖는 픽셀값들을 0~1.0 사이의 값을 갖도록 구성

x_train, x_test = x_train/255.0, x_test/255.0

5.모델 구성

model = tf.keras.models.Sequential([

tf.keras.layers.Flatten(input_shape=(28,28)), #Flatten : 28*28 array => 1차원 배열로 정렬 tf.keras.layers.Dense(512,activation=tf.nn.relu), #activation 함수 : relu tf.keras.layers.Dense(10, activation=tf.nn.softmax) # 출력 함수 : max, 레이블 10개로 분류

])

model.summary()

ltensorflow.keras.models.Sequential()은 tensorflow.keras 라이브러리에서 제공하는 모델 생성
함수입니다.

lSequential() 함수는 다음과 같은 특징을 가지고 있습니다.

•순차적 모델 생성: 순차적 모델(Sequential Model)을 생성합니다.

•모델 구성 요소 추가: 모델에 구성 요소(Layer)를 추가하여 모델을 구성합니다.

•모델 설정: 모델의 설정을 변경합니다.

•모델 학습: 모델을 학습합니다.

•첫 번째 Dense() 레이어는 입력 데이터의 크기가 784인 32개의 유닛을 가진 relu 활성화 함수(딥러닝 활성 화 함수)를 사용하고,
두 번째 Dense() 레이어는 10개의 유닛을 가진 softmax 활성화 함수를 사용합니다