신경망 keras로 접근하기

- 동일한 코드로 cpu, gpu 모두 사용가능

 

tensorflow로 만든 코드보다 짧고 쉽게 만들 수 있다.

 

경사하강법을 이용했던 부분을 'adam'함수를 통해 간단하게 구현 가능

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy
import tensorflow as tf
seed = 0
numpy.random.seed(seed)
tf.random.set_seed(seed)

X = numpy.array([[0,0], [0,1], [1,0], [1,1]])
Y = numpy.array([[0], [1], [1], [0]])

# 딥러닝 구조를 결정 (모델을 설정하고 실행하는 부분)
model = Sequential()
model.add(Dense(4, input_dim=2, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 딥러닝 실행
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=30, batch_size=10)

# 결과 출력
print("\n Accuracy: %.4f" % (model.evaluate(X, Y)[1]))

> xor 연산 keras로 구현