정규화 계층은 '전처리' 모듈에 있는 '정규화' 방법을 사용하여 구축할 수 있습니다. 이 레이어는 전복 데이터 세트의 기능에 맞게 만들어졌습니다. 또한 모델의 훈련 능력을 향상시키기 위해 조밀한 계층을 추가합니다. 이 레이어는 모든 열과 관련된 평균과 분산을 미리 계산하는 데 도움이 됩니다. 이 평균 및 분산 값은 데이터를 정규화하는 데 사용됩니다.
자세히 알아보기: TensorFlow란 무엇이며 Keras가 TensorFlow와 함께 신경망을 생성하는 방법은 무엇입니까?
전복 측정 세트가 포함된 전복 데이터 세트를 사용할 것입니다. 전복은 바다 달팽이의 일종입니다. 목표는 다른 측정값을 기반으로 나이를 예측하는 것입니다.
Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
print("A normalization layer is being built")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("A dense layer is being added")
norm_abalone_model = tf.keras.Sequential([
normalize,
layers.Dense(64),
layers.Dense(1)
]) 코드 크레딧:https://www.tensorflow.org/tutorials/load_data/csv
출력
A normalization layer is being built A dense layer is being added
설명
- 모델에 대한 입력이 정규화됩니다.
- 이 정규화는 'experimental.preprocessing' 레이어를 추가하여 통합할 수 있습니다.
- 이 레이어는 모든 열과 관련된 평균과 분산을 미리 계산하는 데 도움이 됩니다.
- 이 평균 및 분산 값은 데이터를 정규화하는 데 사용됩니다.
- 먼저 'Normalization.adapt' 방식을 사용하여 normalization layer를 생성합니다.
- 레이어를 사전 처리하려면 'adapt' 방법과 함께 훈련 데이터만 사용해야 합니다.
- 이 정규화 계층은 모델을 구축하는 데 사용됩니다.