핸즈온 머신러닝(2판): 사이킷런, 케라스, 텐서플로 2를 활용한 머신러닝, 딥러닝 완벽 실무

514

2

부

신경망과 딥러닝

데이터셋이 메모리에 모두 들어갈 수 있을 정도로 작다면

RAM

에 모두 캐싱할 수 있는

cache

()

메서드를 사용하여 훈련 속도를 크게 높일 수 있습니다. 일반적으로 데이터를 적재하

고 전처리한 후 셔플링, 반복, 배치, 프리페치하기 전에 캐싱을 수행합니다. 이렇게 하면 각 샘

플을 (매 에포크가 아니라 ) 한 번만 읽고 전처리하지만 에포크마다 다르게 셔플링되고 다음 배

치도 미리 준비될 것입니다.

이제 여러 텍스트 파일에서 데이터를 효율적으로 읽고 전처리하는 입력 파이프라인을 어떻

게 만드는지 알았습니다. 가장 많이 사용하는 데이터셋 메서드를 소개했습니다. 하지만 더 많

은 메서드가 있습니다.

concatenate

()

,

zip

()

,

window

()

,

reduce

()

,

shard

()

,

flat

_

map

()

,

padded

_

batch

()

를 살펴보세요.

from

_

generator

(),

from

_

tensors

()

와 같은 클래스 메서

드도 있습니다. 각각 파이썬 제너레이터나 텐서 리스트로 데이터셋을 만듭니다. 자세한 내용은

API

문서를 확인하세요.

tf

.

data

.

experimental

패키지에 실험적인 기능이 있습니다. 이 중

많은 기능이 향후 릴리스에 핵심

API

가 될 가능성이 많습니다 (예를 들어,

CsvDataset

클래스

와

CSV