# MNIST 예제 데이터를 사용한 CNN(Convolutional Neural Network)이라는 인공 신경망 실습
# 1차 Convolution: 3x3 크기, 1개 색상, 32개 필터
# 28x28 이미지→28x28로 Convolution(W1 사용), Pooling으로 14x14 압축
# W1 [3 3 1 32] = 커널은 [3x3]크기, 커널 개수는 32, 입력 값 X의 특성 수=1(색상)
# Convolution: 3x3 크기 윈도로 이미지 값에 가중치, 편향 적용, 32개의 특징 맵 생성
# Pooling: 특징 맵 중 2x2크기 윈도우로 특정 값(예: 최대) 선택

>>> import tensorflow as tf
>>> mnist = tf.keras.datasets.mnist

>>> from tensorflow.keras import datasets, layers, models
>>> (train_images, train_labels), (test_images, test_labels) = mnist.load_data()

>>> train_images = train_images.reshape((60000, 28, 28, 1))
>>> test_images = test_images.reshape((10000, 28, 28, 1))
# 픽셀 값을 0~1 사이로 정규화
>>> train_images, test_images = train_images / 255.0, test_images / 255.0
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
11493376/11490434 [==============================] - 19s 2us/step