모델 생성 방법

1. Sequential 모델
2. Functional 모델
3. Subclassing 모델

Sequential 모델

Sequential 모델은 순차 모델이라고 표현되기도 한다. Sequential 모델이라는 모델을 생성하고 여기서 원하는 layer를 순차적으로 쌓아가는 방식이다.

• 먼저 필요한 tensorflow 라이브러리를 import한다.

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

• Sequential 모델 생성 및 layer 쌓기

# Define Sequential model with 3 layers
model = keras.Sequential(
    [
        layers.Dense(2, activation="relu"),
        layers.Dense(3, activation="relu"),
        layers.Dense(4),
    ]
)

위와 같이 layer를 쌓을 수도 있고 아래와 같이 layer를 쌓을 수도 있다.

# Define Sequential model with 3 layers
model = keras.Sequential()
model.add(layers.Dense(2, activation="relu"))
model.add(layers.Dense(3, activation="relu"))
model.add(layers.Dense(4))

• 모델과 레이어에 이름 부여하기

model = keras.Sequential(name="my_sequential")
model.add(layers.Dense(2, activation="relu", name="layer1"))
model.add(layers.Dense(3, activation="relu", name="layer2"))
model.add(layers.Dense(4, name="layer3"))

• input(입력 형상)을 넣어줘 빌드하기

model = keras.Sequential(
    [
        layers.Dense(2, activation="relu"),
        layers.Dense(3, activation="relu"),
        layers.Dense(4),
    ]
)

model.summary()

위와 같은 경우 input이 없기 때문에 model이 빌드 되지 않는다. 그래서 해당 모델의 내용을 확인하기 위해 model.summary()를 했을 때 에러가 생긴다.

model = keras.Sequential()
model.add(keras.Input(shape=(4,)))
model.add(layers.Dense(2, activation="relu"))

model.summary()

그래서 위와 같이 input을 넣어주거나 아래와 같이 input을 넣어주면 model.summary()를 통해 빌드된 모델의 내용을 확인할 수 있다.

model = keras.Sequential()
model.add(layers.Dense(2, activation="relu", input_shape=(4,)))

model.summary()

Functional 모델

• 필요한 라이브러리 import

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

• input layer와 output layer를 만든 후 model에 넣어주기

inputs = keras.Input(shape=(784,))

x = layers.Dense(64, activation="relu")(x)
outputs = layers.Dense(10)(x)

model = keras.Model(inputs=inputs, outputs=outputs, name="mnist_model")

Subclassing 모델