딥러닝 2.7 신경망

지금까지 알아본 신경망을 통해 실전 예에 적용해보자.

손글씨 숫자 분류를 구현해볼 거다.

 

그림1

출처 : tinyurl.com/y2dcawlm

Figure 1. Examples handwritten digits in the MNIST dataset.

 

그림1 은 MNIST라는 이미지 데이터 셋의 예다.

 

 

 

이제 파이썬으로 MNIST이미지의 각 데이터 ( 사진 )의 형상 출력을 해볼 것이다.

그전에 해야 할 작업이 있다.

 

먼저 밑에 링크에 접속한다.

 

 

링크 : tinyurl.com/yxuaej34

WegraLee/deep-learning-from-scratch

그림2

ZIP 파일을 다운한다.

 

zip 파일 다운 > 풀기 > ch01이라는 폴더 안에 파이썬 코드를 작성할 pardir.py 파일 하나 생성한다.

 

이제부터는 만들어둔 pardir.py에서 코드를 짤 것이다.

 

 

 

 

MNIST 데이터 형상 출력 코드

 

import sys, os

sys.path.append ( os.pardir )

from dataset.mnist import load_mnist

 

( x_train, t_train ), ( x_test, t_test ) = \

    load_mnist ( flatten = True, normalize = False )

 

print ( x_train.shape )

print ( t_train.shape )

print ( x_test.shape )

print ( t_test.shape )

 

 

결과는

(60000, 784)
(60000,)
(10000, 784)
(10000,)

이 나온다.

 

 

코드 해석

 

첫 번째 부모 디렉터리의 파일을 가져올 수 있도록 설정하고 ( 2번 줄 코드 )

dataset/mnist.py의 load_mnist 함수를 임포트 한다. ( 3번 줄 코드 )

 

두 번째 load_mnist함수로 MNIST 데이터 셋을 읽는다.

여기서 load_mnist함수가 MNIST 데이터를 받아와야 하니 최초 실행 시에는 인터넷이 연결돼있어야 한다.

 

세 번째 읽어온 데이터를 ( 훈련 이미지, 훈련 레이블 ), ( 시험 이미지, 시험 레이블 ) 형식으로 반환한다.

 

 

 

 

 

이제는 MNIST 이미지 중 하나를 출력해볼 것이다.

 

 

 

 

 

MNIST 이미지 출력 코드

 

import sys, os

sys.path.append ( os.pardir )

import numpy as num

from dataset.mnist import load_mnist

from PIL import Image

 

def img_show ( img ):

    pil_img = Image.fromarray ( num.uint8 ( img ) )

    pil_img.show()

 

( x_train, t_train ), ( x_test, t_test ) = \

    load_mnist ( flatten = True, normalize = False )

 

img = x_train [ 0 ]

label = t_train [ 0 ]

print ( label )

 

print ( img.shape )

img = img.reshape ( 28, 28 )

print ( img.shape )

 

img_show ( img )

 

결과는 아래와 같을 것이다.

 

5
(784,)
(28, 28)

그림3

코드 해석

 

첫 번째 5라는 이미지를 불러온다.

두 번째 불러왔을 때의 이미지 크기는 784이다.

이것을 원래 이미지 크기로 변형시키기 위해  img = img.reshape ( 28, 28 )을 사용했다.

세 번째 변형한 크기 출력이다.

 

 

 

이까지 숫자 5 라는 이미지를 인식하여 출력해주는 것을 파이썬으로 구현해보았다.