대체 어디서?
입문자 입장에서 얼마나 작업량을 줄일 수 있나 생각해봤거든?


그냥 코랩을 켜서 GPU 실행시키고

# 코랩이 가장 의존성 이슈가 적은 환경이였음. 도커 백엔드라 귀찮게 이것 저것 깔 필요도 없고.

20줄도 안 쳐서 mnist 기본 예제 해볼 수가 있더라고

이것보다 쉽기를 바라면 그냥 오렌지3을 사용하는 쪽이 좋지 않을까?

아니면 내가 ReLU, adam, (sparce)카테고리컬 크로스엔트로피 이런걸 다 알아서 체감을 못하나?
초보자들이 어디가 어려운지 궁금하네.


솔직히 이거 세팅 자주 바꿀 필요 없거든?
ReLU, adam은 그냥 디폴트로 박아놓고 시작하면 되는거고
크로스 엔트로피나 이런 건 깊은 이해 없이도 작업 특성에 맞춰서 갈아끼워주면 되는건데

오히려 모델 구조가 더 관건이지.

뉴비들에게 도움이 되려면
그런 쪽으로 정리를 해봐야하나


[ 써본 코드 ]

import tensorflow as tf


mnist = tf.keras.datasets.mnist


(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train / 255.0

y_train = y_train / 255.0


model = tf.keras.Sequential()

model.add(tf.keras.layers.Flatten(input_shape=(28, 28)))

model.add(tf.keras.layers.Dense(128, activation='relu'))

model.add(tf.keras.layers.Dropout(0.2))

model.add(tf.keras.layers.Dense(10, activation='softmax'))


model.compile(

optimizer=tf.keras.optimizers.Adam(learning_rate=1e-3),

loss=tf.keras.losses.SparseCategoricalCrossentropy()

)


model.fit(x_train, y_train, epochs=5)


model.evaluate(x_test, y_test, verbose=2)