Worksheets이미지 분류(CNN)
Total questions: 10
Worksheet time: 5mins
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'))
(a)
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:]))
(a)
