이미지 분류(CNN)

다음 중 데이터 정규화(nomalization)에 대한 코드는?

• (x_train, y_train), (x_test, y_test) = cifar10.load_data()

• x_train = x_train.astype('float32') / 255.0

• y_train = to_categorical(y_train)

• print(y_train.shape, y_train.dtype)

다음 중 원-핫 인코딩(one-hot encoding)에 대한 코드는?

• (x_train, y_train), (x_test, y_test) = cifar10.load_data()

• x_train = x_train.astype('float32') / 255.0

• y_train = to_categorical(y_train)

• print(y_train.shape, y_train.dtype)

신경망 학습 시 특정 네트워크 층의 유닛을 고정된 개수만큼 선택하여 제외한다. 이로써 과대적합을 방지할 수 있다. 무엇을 의미하는가?

• 은닉층

• 풀링

• 합성곱

• 드롭아웃

다음 중 합성곱 층에 해당하는 코드는?

• model.add(Dense(512, activation = 'relu'))

• model.add(Conv2D(64, (3, 3), activation = 'relu'))

• model.add(MaxPooling2D(pool_size = (2, 2)))

• model.add(Dropout(0.25))

다음 중 풀링 층에 해당하는 코드는?

• model.add(Dense(512, activation = 'relu'))

• model.add(Conv2D(64, (3, 3), activation = 'relu'))

• model.add(MaxPooling2D(pool_size = (2, 2)))

• model.add(Dropout(0.25))

합성곱 층을 통과한 이미지는 완전연결층으로 연결하기 위해서 이미지를 일렬로 펼쳐서 신경망으로 만들어야 한다. 이에 해당하는 코드는?

• model.add(Dense(512, activation = 'relu'))

• model.add(Conv2D(64, (3, 3), activation = 'relu'))

• model.add(MaxPooling2D(pool_size = (2, 2)))

• model.add(Flatten())

다음은 모델을 컴파일 하기 위한 코드이다. (1)에 들어갈 수 있는 코드를 모두 고르면?

model.compile(loss = '(1)', optimizer = '(2)', metrics = ['accuracy'])

• categorical_crossentropy

• adam

• RMSprop

• crossentropy

다음은 모델을 컴파일 하기 위한 코드이다. (2)에 들어갈 수 있는 코드를 모두 고르면?

model.compile(loss = '(1)', optimizer = '(2)', metrics = ['accuracy'])

• categorical_crossentropy

• adam

• RMSprop

• binary_crossentropy

다음은 이미지 분류에 대한 완전 연결망 모델을 구성하는 코드이다. 순서를 띄어쓰기 없이 적어주세요. (예시 : 12345)

① model.add(Dense(512, activation = 'relu'))

② model.add(Flatten())

③ model.add(Dense(num_classes, activation = 'softmax'))

④ model = Sequential()

⑤ model.add(Dense(num_pixels, input_dim = num_pixels, activation='relu'))

다음은 합성곱 신경망 모델(CNN)을 구현한 코드이다. 코드 순서를 띄어쓰기 없이 입력하세요. (예시: 654321)

① model.add(Flatten())

② model = Sequential()

③ model.add(Dense(512, activation = 'relu'))

④ model.add(MaxPooling2D(pool_size = (2, 2)))

⑤ model.add(Dense(num_classes, activation = 'softmax'))

⑥ model.add(Conv2D(32, (3, 3), padding = 'same', activation = 'relu', input_shape = x_train.shape[1:]))