1. Keras 소개
   1. [시작하기] Sequential 모델 가이드
   2. [시작하기] 함수형 API 가이드
   3. [시작하기] FAQ
   4. [모델] Keras의 모델
   5. [모델] 함수형 API
   6. [모델] Sequential
   7. [계층] Keras의 계층
   8. [계층] Core 계층
   9. [계층] 합성곱 계층
   10. [계층] 풀링 계층
   11. [계층] 부분적으로 연결된 계층
   12. [계층] 재발 계층
   13. [계층] 임베딩 계층
   14. [계층] Merge 계층
   15. [계층] 고급 활성화 계층
   16. [계층] 표준화 계층
   17. [계층] 노이즈 계층
   18. [계층] 계층 Wrappers
   19. [계층] 자신만의 Keras 계층 만들기
   20. [전처리] 시퀀스 전처리
   21. [전처리] 텍스트 전처리
   22. [전처리] 이미지 전처리
2. Metrics
3. 손실
4. 최적화기
5. 활성화
6. Callbacks
7. 데이터셋
8. 애플리케이션
9. 백엔드 1
10. 백엔드 2
11. 백엔드 3
12. 백엔드 4
13. 백엔드 5
14. 초기화기
15. 정규화기
16. 제한
17. 시각화
18. Scikit-Learn API
19. 유용한 도구

text_to_word_sequence

keras.preprocessing.text.text_to_word_sequence(text,
                                               filters='!"#$%&()*+,-./:;<=>?@[\\\\]^_`{|}~\\t\\n',
                                               lower=True,
                                               split=" ")

문장을 단어의 리스트로 나눕니다.

반환값

단어의 리스트(문자열)를 반환합니다.

인수

• text: 문자열입니다.
• filters: 구두점과 같이 필터링할 문자의 리스트(혹은 상호 연결(concatenation))입니다.
  • 기본값: '!"#$%&()*+,-./:;<=>?@[]^_`{|}~\t\n', 기본적인 구두점과 탭, 새줄 표시 입니다.
• lower: 부울이며 텍스트를 소문자로 설정할 지 여부입니다.
• split: 문자열이며 단어를 나눌 분리자 입니다.

one_hot

keras.preprocessing.text.one_hot(text,
                                 n,
                                 filters='!"#$%&()*+,-./:;<=>?@[\\\\]^_`{|}~\\t\\n',
                                 lower=True,
                                 split=" ")

텍스트를 크기가 n인 단어장(vocabulary) 내의 단어 인덱스의 리스트로 인코딩합니다.

hash를 해쉬 함수로 쓰는 hashing_trick 함수에 대한 wrapper입니다.

반환값

[1, n] 안의 정수 리스트를 반환합니다. 각 정수는 단어를 인코딩합니다(독자성은 보장되지 않습니다).

인수

• text: 문자열입니다.
• n: 정수이며 단어장(vocabulary)의 크기입니다.
• filters: 구두점과 같이 필터링할 문자의 리스트(혹은 상호 연결(concatenation))입니다.
  • 기본값: '!"#$%&()*+,-./:;<=>?@[]^_`{|}~\t\n', 기본적인 구두점과 탭, 새줄 표시 입니다.
• lower: 부울이며 텍스트를 소문자로 설정할 지 여부입니다.
• split: 문자열이며 단어를 나눌 분리자 입니다.

hashing_trick

keras.preprocessing.text.hashing_trick(text, 
                                       n,
                                       hash_function=None,
                                       filters='!"#$%&()*+,-./:;<=>?@[\\\\]^_`{|}~\\t\\n',
                                       lower=True,
                                       split=' ')

텍스트를 고정된 크기의 해쉬 공간 내의 인덱스의 시퀀스로 변환합니다.

반환값

정수의 리스트이며 단어의 인덱스를 반환합니다(독자성은 보장되지 않습니다).

인수

• text: 문자열입니다.
• n: 해쉬 공간의 차원입니다.
• hash_function: 파이썬 hash함수의 기본값이며 'md5'나 문자열을 입력받아 정수를 출력하는 다른 함수일 수 있습니다. 'md5'는 안정적인 해쉬 함수임에 반하여, 'hash'는 안정적인 해쉬 함수가 아니라서 각기 다른 시행에서 일관되지 않을 수 있음에 주의하세요.
• filters: 구두점과 같이 필터링할 문자의 리스트(혹은 상호 연결(concatenation))입니다.
  • 기본값: '!"#$%&()*+,-./:;<=>?@[]^_`{|}~\t\n', 기본적인 구두점과 탭, 새줄 표시 입니다.
• lower: 부울이며 텍스트를 소문자로 설정할 지 여부입니다.
• split: 문자열이며 단어를 나눌 분리자 입니다.

Tokenizer

keras.preprocessing.text.Tokenizer(num_words=None,
                                   filters='!"#$%&()*+,-./:;<=>?@[\\\\]^_`{|}~\\t\\n',
                                   lower=True,
                                   split=" ",
                                   char_level=False)

텍스트를 벡터화하거나 시퀀스화(단어 인덱스의 리스트이며 데이터셋(1로 시작함) 내의 랭크가 i인 단어가 인덱스 i를 갖습니다)하는 클래스입니다.

인수

위의 text_to_word_sequence와 동일합니다.

• num_words: None 혹은 정수이며 다뤄질 단어의 최대 숫자입니다. 값이 주어진다면, tokenization는 데이터셋 내에서 가장 흔한 단어인 최대 num_words로 제한됩니다.
• char_level: True인 경우, 모든 문자는 토큰(token)으로 다루어집니다.

메소드

• fit_on_texts(texts):
  • 인수:
    • texts: 훈련에 주어질 텍스트의 리스트입니다.
• texts_to_sequences(texts)
  • 인수:
    • texts: 시퀀스로 변환될 텍스트의 리스트입니다.
  • 반환값: 시퀀스의 리스트를 반환합니다(텍스트 입력 하나 당 하나).
• texts_to_sequences_generator(texts): 위 메소드의 발생기 버전입니다.
  • 반환값: 입력 텍스트 하나 당 하나의 시퀀스를 산출합니다.
• texts_to_matrix(texts):
  • 반환값: 다음과 같은 형태의 numpy 배열을 반환합니다: (len(texts), num_words).
  • 인수:
    • texts: 벡터화할 텍스트의 리스트 입니다.
    • mode: "binary", "count", "tfidf", "freq" 중 택일하며 기본값은 "binary"입니다.
• fit_on_sequences(sequences):
  • 인수:
    • sequences: 훈련에 주어질 시퀀스의 리스트입니다.
• sequences_to_matrix(sequences):
  • 반환값: 다음과 같은 형태의 numpy 배열을 반환합니다: (len(sequences), num_words).
  • 인수:
    • sequences: 벡터화할 시퀀스의 리스트 입니다.
    • mode: "binary", "count", "tfidf", "freq" 중 택일하며 기본값은 "binary"입니다.

속성