모델 시각화

케라스는 (graphviz를 사용해서) 케라스 모델을 플롯팅하기 위한 유틸리티 함수를 제공합니다.

아래 예시는 모델의 그래프를 플롯팅하고 그 결과를 파일로 저장합니다:

from keras.utils import plot_model
plot_model(model, to_file='model.png')

plot_model는 네가지 인수를 전달받습니다:

  • show_shapes(디폴트값은 False)는 결과의 모양을 그래프에 나타낼 것인지 조정합니다.
  • show_layer_names(디폴트값은 True)는 레이어의 이름을 그래프에 나타낼 것인지 조정합니다.
  • expand_nested(디폴트값은 False)는 중첩된 모델을 그래프상에서 클러스터로 확장할 것인지 조정합니다.
  • dpi(디폴트값은 96)는 이미지 dpi를 조정합니다.

또한 직접 pydot.Graph오브젝트를 만들어 사용할 수도 있습니다, 예를들어 ipython notebook에 나타내자면 :

from IPython.display import SVG
from keras.utils import model_to_dot

SVG(model_to_dot(model).create(prog='dot', format='svg'))

학습 히스토리 시각화

케라스 Modelfit() 메소드는 History 오브젝트를 반환합니다. History.history 속성은 연속된 에폭에 걸쳐 학습 손실 값과 학습 측정항목값을 기록하는 딕셔너리로, 또한 (적용 가능한 경우에는) 검증 손실 값과 검증 측정항목 값도 기록합니다. 아래 간단한 예시에서는 matplotlib을 사용하여 학습과 검증에 대한 손실과 정확성 플롯을 만듭니다:

import matplotlib.pyplot as plt

history = model.fit(x, y, validation_split=0.25, epochs=50, batch_size=16, verbose=1)

# 학습 정확성 값과 검증 정확성 값을 플롯팅 합니다. 
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('Model accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()

# 학습 손실 값과 검증 손실 값을 플롯팅 합니다.
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()