밑바닥부터 시작하는 데이터 과학 데이터 분석을 위한 파이썬 프로그래밍과 수학·통계 기초

from Scratch

273

󽴜󽴔󻫗󻞫󽴞󽴔󽴔󻀇󻳫󽴔󺞳󻞫󽴔󼥏󻪃󽴔󻇃󺋿

Optimizer

를 추상화했기 때문에 이제 다양한 최적화 기법을 바꿔가며 사용할 수

있다.

19.6

예시: XOR 문제 다시 풀어 보기

지금까지 만든 코드를 사용하면

XOR

문제를 풀어 주는 신경망을 얼마나 간편하

게 학습시킬 수 있는지 살펴보자. 먼저 학습 데이터를 다시 만들어 보자.

#

학습

데이터

xs = [[0., 0], [0., 1], [1., 0], [1., 1]]

ys = [[0.], [1.], [1.], [0.]]

그리고 신경망 구조를 정의해 보자. 이제 마지막 시그모이드 층을 명시해 주지

않아도 된다.

random.seed(0)

net = Sequential([

Linear(input

_

dim=2, output

_

dim=2),

Sigmoid(),

Linear(input

_

dim=2, output

_

dim=1)

])

추상화한

Optimizer

와

Loss

를 사용하면 간편하게 학습을 위한 반복문을 만들 수

있다. 또한 다양한 종류의 최적화 방법과 손실 함수를 쉽게 적용해 볼 수 있게

해준다.

import tqdm

optimizer = GradientDescent(learning

_

rate=0.1)

loss = SSE()

with tqdm.trange(3000) as t:

for epoch in t: ...