Page 10 -

13.3.3 shuffle( ), batch( ), repeat( ) 메서드 532
13.3.4 로컬 디스크에 있는 파일에서 데이터셋 만들기 535
13.3.5 tensorflow_datasets 라이브러리에서 데이터셋 로드 538
13.4 텐서플로로 신경망 모델 만들기 544
13.4.1 텐서플로 케라스 API(tf.keras) 545
13.4.2 선형 회귀 모델 만들기 545
13.4.3 .compile( )과 .fit( ) 메서드를 사용한 모델 훈련 550
13.4.4 붓꽃 데이터셋을 분류하는 다층 퍼셉트론 만들기 551
13.4.5 테스트 데이터셋에서 훈련된 모델 평가 555
13.4.6 훈련된 모델 저장하고 복원 556
13.5 다층 신경망의 활성화 함수 선택 560
13.5.1 로지스틱 함수 요약 560
13.5.2 소프트맥스 함수를 사용한 다중 클래스 확률 예측 562
13.5.3 하이퍼볼릭 탄젠트로 출력 범위 넓히기 565
13.5.4 렐루 활성화 함수 567
13.6 요약 569

14장 텐서플로 구조 자세히 알아보기 571

14.1 텐서플로의 주요 특징 573
14.2 텐서플로의 계산 그래프: 텐서플로 v2로 이전 574
14.2.1 계산 그래프 이해 574
14.2.2 텐서플로 v1.x에서 그래프 만들기 575
14.2.3 텐서플로 v2로 이전 576
14.2.4 입력 데이터를 모델에 주입: 텐서플로 v1.x 스타일 577
14.2.5 입력 데이터를 모델에 주입: 텐서플로 v2 스타일 577
14.2.6 함수 데코레이터로 계산 성능 높이기 578
14.3 모델 파라미터를 저장하고 업데이트하기 위한 텐서플로 변수 객체 581
14.4 자동 미분과 GradientTape로 그레이디언트 계산 584
14.4.1 훈련 가능한 변수에 대한 손실의 그레이디언트 계산 585
14.4.2 훈련하지 않는 변수에 대한 그레이디언트 계산 586
14.4.3 여러 개의 그레이디언트 계산 587

machinelearning_06.indd 26 2021-03-17 오후 12:35:57