Hong's Devlog

python deeplearning 간단한 3층 신경망으로 mnist 추론

 
  • 2020년 11월 16일

간단한 3층 신경망 구현 코드

이전 글에서 구현된 간단한 3층 신경망에서 조금만 변형하여, mnist 추론 3층 신경망을 구현해봤다.

python 코드


import sys, os
sys.path.append(os.pardir)
import numpy as np
from dataset.mnist import load_mnist
import pickle
from sigmoid import sigmoid
from softmax import softmax

def get_data():#mnist data 가져오기
    (x_train, t_train), (x_test, t_test) = \
        load_mnist(normalize=True, flatten=True, one_hot_label=False)
    return x_test, t_test

def init_network(): #pickle 로 저장된 가중치, 편향  불러오기
    with open("sample_weight.pkl", "rb") as f:
        network = pickle.load(f)

    return network

def predict(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1'], network['b2'], network['b3']

    a1 = np.dot(x, W1) + b1
    z1 = sigmoid(a1)
    a2 = np.dot(z1, W2) + b2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3

    y = softmax(a3)


x, t = get_data() # mnist data
network = init_network() # 가중치, 편향 세팅

accuracy_cnt = 0

for i in range(len(x)):
    y = predict(network, x[i])
    # 추론을 하면 결과값으로 
    # 10개의 출력 값이 나온다.( 0 ~ 9 중 어떤 것에 가까운지 추론)

    p = np.argmax(y) # 확률이 가장 높은 원소의 인덱스를 얻는다.
    if p == t[i]:
        accuracy_cnt += 1
    
print("Accuracy:" + str(float(accuracy_cnt)/len(x)))

  1. 이전에 구현했던 간단한 3층 신경망을 이용하여, mnist 추론 코드를 구현한다.

  2. pickle 파일에 3layer 에 해당하는 가중치와 편향을 가져와 이전 글에서는 하드코딩 했던 W1~3, b1~3 까지 세팅한다.

  3. predict() 이미지 1개에 대해서 추론(순전파)한다.

출력

Accuracy:0.098

reference : 밑바닥부터 배우는 딥러닝

검색