WEEK4 : CNN in TensorFlow (multi-class classification)

multi-class 모델을 위한 수정

 

1. ImageDataGenerator for multi-class

• class_mode를 'categorical'로 수정한다.
• (이진 분류일 경우에는 'binary'로 설정했었다.)

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size=(300, 300),
    batch_size=128,
    class_mode='categorical' # multi-class classification이므로 'binary'가 아니라 'categorical'
)

 

2. Model for multi-class

• 마지막 layer의 output 노드의 수를 class의 수와 동일하게 설정해준다.
• 그리고 activation function으로는 softmax를 사용한다.
  • 이진분류 문제에서는 tf.keras.layers.Dense(1, activation='sigmoid')로 해주었다.

model = tf.keras.models.Sequential([

    tf.keras.layers.Conv2D(16, (3, 3), activation='relu', input_shape=(300, 300, 3)),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(512, activation='relu'),
    tf.keras.layers.Dense(3, activation='softmax')  # 여기를 수정해주어야 한다.
                                                    # 3 = class의 수
                                                    # activation은 sigmoid가 아니라 softmax
])

 

3. compile for multi-class

• loss로 'sparse_categorical_crossentropy' 혹은 'categorical_crossentropy'를 사용한다.
  • target이 one-hot encoding되어 있다면 categorical_crossentropy를 사용하고,
  • 그렇지 않다면 sparse_categorical_crossentropy를 사용하면 된다.

from tensorflow.keras.optimizers import RMSprop

model.compile(
    loss='categorical_crossentropy',  # not binary_crossentropy but categorical_crossentropy
    optimizer=RMSprop(lr=0.001),
    metrics=['acc']
)