딥러닝 part9. RNN 데이터 자르기

안녕하세요 미니빅 입니다.

 

오늘은 RNN 데이터를 list, array 등에서 잘라서 나누는 함수 정의에 대해서

 

얘기해보겠습니다.

 

part 7을 보면, 기존의 모델의 구조와 다르게 행의 개수가 유지되어야 한다는 것을 배웠습니다.

(이해가 안 되시면 part 7을 다시 봐주시고 와주세요)

 

1) 다대일

import numpy as np

dataset=np.array(range(1,11)) #(10,)
#array에서 앞에서부터 4개(처음엔 1~4) 값을 가져와서 그 다음값(5)를 y로 설정하게
#split을 한다.

def split(dataset,time_steps):
    xs=list()
    ys=list()
    for i in range(0,len(dataset)-time_steps):
        x=dataset[i:i+time_steps]
        y=dataset[i+time_steps]
        # print(f"{x}:{y}")
        xs.append(x)
        ys.append(y)
    return np.array(xs),np.array(ys)

xs,ys=split(dataset,4)

print(f"xs:{xs}\n ys:{ys}")

 

매개변수는 두 개(dataset,time_steps)를 받고, 각 나누어진 값들을 저장할 xs, ys 변수를 설정합니다.

 

(x:1~4, y:5)와 같이 앞에서부터 index 순으로 잘라와야하니, for문을 (array의 총길이 - x의 길이) 만큼 반복합니다.

 

이와 같이 함수를 정의하고 실행하면

 

xs:[[1 2 3 4]
 [2 3 4 5]
 [3 4 5 6]
 [4 5 6 7]
 [5 6 7 8]
 [6 7 8 9]]
ys:[ 5  6  7  8  9 10]

 

와 같이 결과가 나옵니다.

 

---

2) 다대다

 

1번은 y값이 1개였으나, 이번엔 2개가 나오게 하겠습니다.

 

import numpy as np

dataset=np.array(range(1,11))#(10,)

# 2.다대다

#array에서 앞에서부터 4개(처음엔 1~4) 값을 가져와서 그 다음값 2개(5,6)를 y로 설정하게
#split을 한다.

def split_2(dataset,time_steps,y_column):
    xs=list()
    ys=list()
    for i in range(0,len(dataset)-time_steps-y_column+1):#y의 개수가 늘어날수록 반복횟수가 줄어든다.
        x=dataset[i:i+time_steps]
        y=dataset[i+time_steps:i+time_steps+y_column]#y의 개수만큼 범위지정
        xs.append(x)
        ys.append(y)
    return np.array(xs),np.array(ys)

xs,ys=split_2(dataset,4,2)

print(f"xs:{xs}\nys:{ys}")

1번과 비슷하지만, 매개변수에 y의 개수를 받는 변수를 추가하고,

 

그에 따른 값만 변동했습니다.

 

xs:[[1 2 3 4]
 [2 3 4 5]
 [3 4 5 6]
 [4 5 6 7]
 [5 6 7 8]]
ys:[[ 5  6]
 [ 6  7]
 [ 7  8]
 [ 8  9]
 [ 9 10]]

---

3) 다입력, 다대일(다:1)

 

1번 케이스와는 다르게, 2차원 이상으로 값을 받는 경우입니다.

 

x값의 기본 입력데이터 크기가(3,2), y는 (1,)입니다.

 

import numpy as np

dataset=np.array([range(1,11),range(11,21),range(21,31)])
print(dataset.shape)#(3,10)

dataset=np.transpose(dataset)
print(dataset.shape)#(10,3)

# 3.다대일, 다입력

# array에서 앞에서부터 3*2의 값을 가져와서 3번째 행의 가장 오른쪽 값(열:-1)을 가져온다.


def split_3(dataset,time_steps,y_column):
    xs=list()
    ys=list()
    for i in range(0,len(dataset)-time_steps+1):
        x=dataset[i:(i+time_steps),:-1]#
        y=dataset[i+time_steps-1:(i+time_steps-1)+y_column,-1]

        xs.append(x)
        ys.append(y)
    return np.array(xs),np.array(ys)

print("result")
xs,ys=split_3(dataset,3,1)

print(f"{xs}\n\n{ys}")

우선 앞의 두 가지 경우(1,2번)과 달리 다입력 이기에 행렬 개념이 있어야합니다.

 

RNN에서는 x의 행의 개수와 y의 벡터의 값(지금은 8 - 3개의 행을 묶으면 8세트가 나옴)이 같아야 하기에,

 

transpose(전치)해줘야 합니다.

 

그에 따라 for문과 인덱스를 정리해주고 출력하면,

 

xs:[[[ 1 11]
  [ 2 12]
  [ 3 13]]

 [[ 2 12]
  [ 3 13]
  [ 4 14]]

 [[ 3 13]
  [ 4 14]
  [ 5 15]]

 [[ 4 14]
  [ 5 15]
  [ 6 16]]

 [[ 5 15]
  [ 6 16]
  [ 7 17]]

 [[ 6 16]
  [ 7 17]
  [ 8 18]]

 [[ 7 17]
  [ 8 18]
  [ 9 19]]

 [[ 8 18]
  [ 9 19]
  [10 20]]]

 ys:[[23]
 [24]
 [25]
 [26]
 [27]
 [28]
 [29]
 [30]]

 

와 같은 결과가 나옵니다.

---

4) 다입력, 다대다(1)

 

3번에서 이번엔, y값을 여러 개 받는 경우입니다.

 

import numpy as np

dataset=np.array([range(1,11),range(11,21),range(21,31)])
print(dataset.shape)#(3,10)

dataset=np.transpose(dataset)
print(dataset.shape)#(10,3)

# 4.다대다, 다입력

# array에서 앞에서부터 3*2의 값을 가져와서
# 3번째 행의 가장 오른쪽 값(열:-1) 여러 개(여기선 2개)를 가져온다.


def split_3(dataset,time_steps,y_column):
    xs=list()
    ys=list()
    for i in range(0,len(dataset)-time_steps+1):
        x=dataset[i:(i+time_steps),:-1]#
        y=dataset[i+time_steps-1:(i+time_steps-1)+y_column,-1]

        xs.append(x)
        ys.append(y)
    return np.array(xs),np.array(ys)

print("result")
xs,ys=split_3(dataset,3,2)

print(f"{xs}\n\n{ys}")

3번에서 변한 것은 실제로 값을 넣는 매개변수(y_column)의 값을 2로 바꾼 것 뿐입니다.

 

y=dataset[i+time_steps-1:(i+time_steps-1)+y_column,-1]

해당 코드에서 y_column이 늘어남에 따라 가져오는 값의 index 범위가 늘어나기 때문입니다.

 

---

5) 다입력, 다대다(2)

 

[[ 1 11 21]
 [ 2 12 22]
 [ 3 13 23]
 [ 4 14 24]
 [ 5 15 25]
 [ 6 16 26]
 [ 7 17 27]
 [ 8 18 28]
 [ 9 19 29]
 [10 20 30]]

 

위의 행렬에서 x에서는 3개의 행[[1,11,21],[2,12,22],[3,13,23]]이 들어가고,

 

다음행 값인 [[4,14,24],[5,15,25]]가 y값이 될 수 있게 split 함수를 만들려고 합니다.

 

import numpy as np

dataset=np.array([range(1,11),range(11,21),range(21,31)])
print(dataset.shape)#(3,10)

dataset=np.transpose(dataset)
print(dataset.shape)#(10,3)

#5. 다입력, 다대다 모델(2)
def split_5(dataset,time_steps,y_column):
    xs,ys=list(),list()
    for i in range(len(dataset)-time_steps-y_column+1):
        x=dataset[i:i+time_steps,:]#0:3
        y=dataset[i+time_steps:i+time_steps+y_column,:]
        
        xs.append(x)
        ys.append(y)
    return np.array(xs), np.array(ys)

xs,ys=split_5(dataset,3,2)

print(f"xs:{xs} \n\n\n ys:{ys}")

 

앞의 모델들과 대부분의 코드가 비슷합니다.

 

        x=dataset[i:i+time_steps,:]#0:3
        y=dataset[i+time_steps:i+time_steps+y_column,:]

 

변경된 부분은, 열(time_steps) 부분을 전체( : )로 잡아줍니다. 

 

그 외의 부분은 4번과 동일합니다.

 

xs:[[[ 1 11 21]
  [ 2 12 22]
  [ 3 13 23]]

 [[ 2 12 22]
  [ 3 13 23]
  [ 4 14 24]]

 [[ 3 13 23]
  [ 4 14 24]
  [ 5 15 25]]

 [[ 4 14 24]
  [ 5 15 25]
  [ 6 16 26]]

 [[ 5 15 25]
  [ 6 16 26]
  [ 7 17 27]]

 [[ 6 16 26]
  [ 7 17 27]
  [ 8 18 28]]]


 ys:[[[ 4 14 24]
  [ 5 15 25]]

 [[ 5 15 25]
  [ 6 16 26]]

 [[ 6 16 26]
  [ 7 17 27]]

 [[ 7 17 27]
  [ 8 18 28]]

 [[ 8 18 28]
  [ 9 19 29]]

 [[ 9 19 29]
  [10 20 30]]]

다섯번째까지 해서 다양한 경우에 RNN 데이터를 나누는 함수를 작성해봤습니다.

 

순서대로 천천히 해보시면 이해하실 수 있을 거예요

 

변수들이 각각 의미하는 것들을 생각하며, 엑셀이나 연습장 등에 변수 내 값의 변화를

 

확인하며 이해하시길 바랍니다.

 

그럼 이번 포스팅은 이정도로 마치겠습니다.

 

안녕!