NeuroWhAI의 잡블로그

[TensorFlow] RNN으로 MNIST 학습 본문

개발 및 공부/라이브러리&프레임워크

[TensorFlow] RNN으로 MNIST 학습

NeuroWhAI 2018. 1. 29. 20:05 ...


책에서 RNN이 나왔습니다.
RNN은 시계열 데이터에 적합하다고 하니까 사실 MNIST에는 맞지 않는게 아닌가 싶습니다.
대신 한 이미지를 여러줄로 나눠 윗줄부터 하나씩 입력한다는 형식으로 RNN과 호환성?을 맞췄습니다.


코드:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
#-*- coding: utf-8 -*-
 
import tensorflow as tf
import numpy as np
 
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("./mnist/data/", one_hot=True)
 
learning_rate = 0.001
total_epoch = 30
batch_size = 128
 
n_input = 28
n_step = 28
n_hidden = 128
n_class = 10
 
= tf.placeholder(tf.float32, [None, n_step, n_input])
= tf.placeholder(tf.float32, [None, n_class])
 
= tf.Variable(tf.random_normal([n_hidden, n_class]))
= tf.Variable(tf.random_normal([n_class]))
 
cell = tf.nn.rnn_cell.BasicRNNCell(n_hidden)
outputs, states = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)
 
outputs = tf.transpose(outputs, [102])
outputs = outputs[-1]
 
model = tf.matmul(outputs, W) + b
 
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(
    logits=model, labels=Y
))
 
optimizer = tf.train.AdamOptimizer(learning_rate).minimize(cost)
 
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
 
    total_batch = int(mnist.train.num_examples / batch_size)
 
    for epoch in range(total_epoch):
        total_cost = 0
 
        for i in range(total_batch):
            batch_xs, batch_ys = mnist.train.next_batch(batch_size)
            batch_xs = batch_xs.reshape((batch_size, n_step, n_input))
 
            _, cost_val = sess.run([optimizer, cost],
                feed_dict={X: batch_xs, Y: batch_ys})
            total_cost += cost_val
 
        print('Epoch:''%04d' % (epoch + 1),
            'Avg. cost: {:.4}'.format(total_cost / total_batch))
 
    print('완료!')
 
    is_correct = tf.equal(tf.argmax(model, 1), tf.argmax(Y, 1))
    accuracy = tf.reduce_mean(tf.cast(is_correct, tf.float32))
 
    test_batch_size = len(mnist.test.images)
    test_xs = mnist.test.images.reshape(test_batch_size, n_step, n_input)
    test_ys = mnist.test.labels
 
    print('정확도:', sess.run(accuracy, feed_dict={X: test_xs, Y: test_ys}))
 
    
cs

결과:
Epoch: 0001 Avg. cost: 0.5843
Epoch: 0002 Avg. cost: 0.2325
Epoch: 0003 Avg. cost: 0.1764
Epoch: 0004 Avg. cost: 0.1496
Epoch: 0005 Avg. cost: 0.1416
Epoch: 0006 Avg. cost: 0.127
Epoch: 0007 Avg. cost: 0.113
Epoch: 0008 Avg. cost: 0.1103
Epoch: 0009 Avg. cost: 0.1104
Epoch: 0010 Avg. cost: 0.1051
Epoch: 0011 Avg. cost: 0.1027
Epoch: 0012 Avg. cost: 0.09198
Epoch: 0013 Avg. cost: 0.09334
Epoch: 0014 Avg. cost: 0.08347
Epoch: 0015 Avg. cost: 0.08728
Epoch: 0016 Avg. cost: 0.08686
Epoch: 0017 Avg. cost: 0.07748
Epoch: 0018 Avg. cost: 0.07774
Epoch: 0019 Avg. cost: 0.07834
Epoch: 0020 Avg. cost: 0.07777
Epoch: 0021 Avg. cost: 0.0727
Epoch: 0022 Avg. cost: 0.07147
Epoch: 0023 Avg. cost: 0.07416
Epoch: 0024 Avg. cost: 0.06339
Epoch: 0025 Avg. cost: 0.07249
Epoch: 0026 Avg. cost: 0.05846
Epoch: 0027 Avg. cost: 0.06268
Epoch: 0028 Avg. cost: 0.0692
Epoch: 0029 Avg. cost: 0.06698
Epoch: 0030 Avg. cost: 0.06667
완료!
정확도: 0.9755

10분만에 끝났네요 ㅠㅠ
맨날 몇시간 걸리다가 빨리 끝나니까 기분이 넘 좋습니다...

tf.nn.rnn_cell.BasicRNNCell로 기본적인 RNN 셀을 만들 수 있고
tf.nn.dynamic_rnn로 셀에 입력을 넣어 구동?시킬 수 있다고 합니다.

RNN의 가장 마지막 출력만 사용하기 위해서 transpose로 축 순서를 바꾸고 [-1]로 마지막 요소만 취한걸 볼 수 있습니다.
그리고 이걸 FC에 넣어 답을 냅니다.

코드는 별거없는데 RNN 이론적인 부분이 아직 이해가 안되네요.








0 Comments
댓글쓰기 폼