Keras Python (개발자를 위한 작동 방식)

1. 사용자 친화적이고 모듈식입니다.

'인간을 위한 딥러닝'이라는 슬로건을 내세운 케라스는 사용하기 쉽고, 모듈식이며, 확장 가능하도록 설계되었습니다. 케라스 모델은 오류 발생 시 명확하고 실행 가능한 피드백을 제공하여 개발자가 모델을 효율적으로 디버깅하고 최적화할 수 있도록 도와줍니다.

2. 다양한 백엔드 지원

Keras는 TensorFlow, Theano, Microsoft Cognitive Toolkit(CNTK) 등 다양한 딥러닝 프레임워크 위에서 실행될 수 있습니다. 이러한 유연성을 통해 개발자는 자신의 필요에 가장 적합한 백엔드를 선택할 수 있습니다.

3. 신경망에 대한 광범위한 지원

케라스는 컨볼루션 레이어, 순환 레이어, 완전 연결 레이어를 포함한 다양한 신경망 레이어를 지원합니다. 또한 다중 입력 및 다중 출력 모델, 레이어 공유, 모델 공유와 같은 복잡한 아키텍처를 지원합니다.

4. 전처리 유틸리티

Keras에는 이미지 및 텍스트 처리와 같은 데이터 전처리 유틸리티가 포함되어 있어 모델 학습을 위한 데이터 세트 준비를 간소화합니다.

5. 모델 시각화 및 디버깅 도구

케라스는 신경망의 구조를 시각화하고 학습 과정을 모니터링하는 도구를 제공합니다. 이는 모델의 동작 방식을 이해하고 필요한 조정을 하는 데 매우 중요합니다. 가장 간단한 모델 유형은 Sequential Keras 모델로, 단순히 레이어를 선형으로 쌓아 올린 것입니다.

Keras를 이용한 간단한 신경망 구축

다음은 Keras를 사용하여 간단한 피드포워드 신경망을 구축하는 방법의 예입니다.

import keras
import numpy as np
import matplotlib.pyplot as plt

# Function to read UCR formatted data
def readucr(filename):
    """
    Reads a UCR format file and returns the features and labels.

    Args:
    filename (str): Path to the data file

    Returns:
    x, y: Features and labels as numpy arrays
    """
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)

# Define the root URL for the dataset
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")

# Get unique classes from the dataset
classes = np.unique(np.concatenate((y_train, y_test), axis=0))

# Plot an example from each class
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.show()
plt.close()

import keras
import numpy as np
import matplotlib.pyplot as plt

# Function to read UCR formatted data
def readucr(filename):
    """
    Reads a UCR format file and returns the features and labels.

    Args:
    filename (str): Path to the data file

    Returns:
    x, y: Features and labels as numpy arrays
    """
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)

# Define the root URL for the dataset
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")

# Get unique classes from the dataset
classes = np.unique(np.concatenate((y_train, y_test), axis=0))

# Plot an example from each class
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.show()
plt.close()

출력

1. 이미지 분류

케라스는 이미지 분류 작업에 널리 사용됩니다. 예를 들어, Keras로 구축된 합성곱 신경망(CNN)은 이미지에서 객체를 인식하는 데 높은 정확도를 달성할 수 있습니다.

2. 자연어 처리

Keras는 인간의 언어를 처리하고 이해할 수 있는 모델을 구축하기 위한 도구를 제공합니다. 케라스(Keras)의 순환 신경망(RNN)과 장단기 메모리(LSTM) 네트워크는 감정 분석 및 기계 번역과 같은 작업에 일반적으로 사용됩니다.

3. 생성 모델

Keras는 훈련 데이터와 유사한 새로운 데이터 샘플을 생성하는 데 사용되는 GAN(Generative Adversarial Networks)과 같은 생성 모델을 개발하는 데 사용할 수 있습니다.

설치

pip install ironpdf
pip install keras
pip install tensorflow

pip install ironpdf
pip install keras
pip install tensorflow

이제 아래 코드를 사용하여 모델 플롯을 생성하고 PDF로 내보내십시오.

import keras
import numpy as np
import matplotlib.pyplot as plt
from ironpdf import License, ImageToPdfConverter

# Apply your license key
License.LicenseKey = "your key goes here"

def readucr(filename):
    """Read and parse UCR formatted data."""
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)

# Define the root URL for the dataset
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")

# Extract unique classes from the dataset
classes = np.unique(np.concatenate((y_train, y_test), axis=0))

# Plot example data for each class
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.savefig('data.png') 
plt.show()
plt.close()

# Convert the saved image to a PDF
ImageToPdfConverter.ImageToPdf("data.png").SaveAs("plot.pdf")

import keras
import numpy as np
import matplotlib.pyplot as plt
from ironpdf import License, ImageToPdfConverter

# Apply your license key
License.LicenseKey = "your key goes here"

def readucr(filename):
    """Read and parse UCR formatted data."""
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)

# Define the root URL for the dataset
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")

# Extract unique classes from the dataset
classes = np.unique(np.concatenate((y_train, y_test), axis=0))

# Plot example data for each class
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.savefig('data.png') 
plt.show()
plt.close()

# Convert the saved image to a PDF
ImageToPdfConverter.ImageToPdf("data.png").SaveAs("plot.pdf")

코드 설명

1. 라이브러리 가져오기:

   • 코드는 필요한 라이브러리를 가져오는 것으로 시작합니다.
     • 케라스: 인기 있는 딥러닝 라이브러리.
     • numpy (np): 수치 연산에 사용됩니다.
     • matplotlib.pyplot (plt 형식): 그래프를 생성하는 데 사용됩니다.
     • IronPDF: PDF 작업을 위한 IronPDF 라이브러리입니다.

2. 라이선스 키 설정:

   • 줄 License.LicenseKey = "your key"은 IronPDF의 라이센스 키를 설정합니다.

3. 데이터 읽기:

   • readucr 함수는 특정 형식(탭으로 구분된 값)의 파일에서 데이터를 읽습니다.
   • 데이터에서 레이블(y)과 특징(x)을 추출합니다.

4. 학습 및 테스트 데이터 불러오기:

   • 이 코드는 "FordA" 데이터셋과 관련된 학습 및 테스트 데이터 파일의 URL을 생성합니다.
   • readucr 함수를 사용하여 데이터를 로드합니다.

5. 데이터 그래프 그리기:

   • 해당 코드는 데이터 세트에서 고유한 클래스를 식별합니다.
   • 각 클래스에 대해 첫 번째 인스턴스(c_x_train[0])를 선택하고 이를 그래프로 표시합니다.
   • 범례는 수업 명칭을 나타냅니다.

6. 줄거리 구하기:

   • 그래프는 "data.png"라는 이미지 파일로 저장됩니다.

7. 이미지를 PDF로 변환하기:

   • IronPDF의 ImageToPdfConverter은 저장된 이미지("data.png")를 PDF 파일("plot.pdf")로 변환합니다.

출력된 PDF