python tensorflow rnn 코드 리뷰, 설명 꿀 팁

안녕하세요. 고명국입니다.

 

Rnn을 공부중인데, 아직 초기 단계라서,, 자세히 공부해 보려고 합니다.

약간,,, 고달프지만 :) 해야죠! 개발해야 하는데! pdm 포에버

 

 

import numpy as np

import tensorflow as tf

from tensorflow.keras.models import Model

from tensorflow.keras.layers import Input, LSTM, Dense, Concatenate

import matplotlib.pyplot as plt

# 데이터 생성 (임의의 예시 데이터)

num_samples = 1000

timesteps = 10

input_dim1 = 5

input_dim2 = 3

# 랜덤 데이터 생성

data1 = np.random.random((num_samples, timesteps, input_dim1))

data2 = np.random.random((num_samples, timesteps, input_dim2))

labels = np.random.randint(2, size=(num_samples, 1))

# 모델 정의

input1 = Input(shape=(timesteps, input_dim1))

input2 = Input(shape=(timesteps, input_dim2))

# 첫 번째 입력에 대해 LSTM 적용

x1 = LSTM(32)(input1)

# 두 번째 입력에 대해 LSTM 적용

x2 = LSTM(32)(input2)

# 두 출력을 결합r

combined = Concatenate()([x1, x2])

# 결합된 출력을 Dense 레이어에 전달하여 최종 출력 계산

output = Dense(1, activation='sigmoid')(combined)

# 모델 생성 및 컴파일

model = Model(inputs=[input1, input2], outputs=output)

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 모델 요약 출력

model.summary()

# 모델 훈련

history = model.fit([data1, data2], labels, epochs=10, batch_size=32, validation_split=0.2)

# 훈련 결과를 그래프로 출력

plt.plot(history.history['loss'], label='Training Loss')

plt.plot(history.history['val_loss'], label='Validation Loss')

plt.title('Model Loss')

plt.xlabel('Epochs')

plt.ylabel('Loss')

plt.legend()

plt.show()

plt.plot(history.history['accuracy'], label='Training Accuracy')

plt.plot(history.history['val_accuracy'], label='Validation Accuracy')

plt.title('Model Accuracy')

plt.xlabel('Epochs')

plt.ylabel('Accuracy')

plt.legend()

plt.show()

 

 

 

코드 작성 순서. 

1. 임의의 입력 데이터와 레이블을 생성합니다.
2. 두 개의 입력을 받는 모델을 정의합니다.
3. 각각의 입력에 대해 LSTM 레이어를 적용합니다.
4. 두 개의 LSTM 출력을 결합합니다.
5. 결합된 출력을 Dense 레이어에 전달하여 최종 출력을 계산합니다.
6. 모델을 컴파일하고 훈련합니다.
7. 훈련 결과를 그래프로 출력합니다