시작하기무료로 시작하기

Keras의 순차 모델

3장에서는 tensorflow의 keras API 구성 요소를 사용해 신경망을 정의했지만, 모델 정의와 학습 과정을 간소화하는 전체 기능까지는 활용하지 않았습니다. 이번 연습에서는 keras 순차 모델 API를 사용해 수어 알파벳 이미지 분류에 사용할 수 있는 신경망을 정의해 보겠습니다. 또한 .summary() 메서드를 사용해 각 층의 텐서 형태와 파라미터 수를 포함한 모델 구조를 출력해 볼 거예요.

이미지는 밀집(Dense) 층의 입력으로 사용할 수 있도록 (28, 28)에서 (784,) 형태로 재구성되었다는 점에 유의하세요. 또한 keras는 이미 tensorflow에서 가져와(import) 제공되어 있어요.

이 연습은 강의의 일부입니다

Python으로 시작하는 TensorFlow

강의 보기

연습 안내

  • model이라는 이름의 keras 순차 모델을 정의하세요.
  • 첫 번째 층은 Dense()로, 노드 수는 16개이고 활성화 함수는 relu로 설정하세요.
  • 두 번째 층은 Dense()로, 노드 수는 8개이고 활성화 함수는 relu로 설정하세요.
  • 출력 층은 노드 수 4개에 softmax 활성화 함수를 사용하도록 설정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Define a Keras sequential model
____

# Define the first dense layer
model.add(keras.layers.____(____, activation='____', input_shape=(784,)))

# Define the second dense layer
____

# Define the output layer
model.add(keras.layers.Dense(____))

# Print the model architecture
print(model.summary())
코드 편집 및 실행