[Tensorflow] CNN만들기 - Functional API

tf.keras.Sequential() API보다 더 유연한 모델을 생성하는 방법.

Sequential()과 다르게 여러 입출력 모델을 처리할 수 있음. + skip connection과 같은 연결도 처리가 가능

 

1. tf.keras.Input(shape=(128, 128, 3)) 

: input 노드 생성.

input_img = tf.keras.Input(shape=input_shape)

 

2. model layer 구성하기

def convolution_model(input_shape):
    input_img = tf.keras.Input(shape=input_shape)
    output = tfl.Conv2D(filters=8, kernel_size=4, padding="same")(input_img)
    .
    .
    .
    .
    outputs = tfl.Dense(6, activation="softmax")(output)
    model = tf.keras.Model(inputs=input_img, outputs=outputs)
    return model

이런 식으로 모델 쌓아서 모델을 설계할 수 있고

conv_model = convolution_model((64, 64, 3))
conv_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
conv_model.summary()

 

Sequential model과 유사하게, model 초기화하고 compile할 수 있음.

 

3. history 확인하기

history = conv_model.fit(train_dataset, epochs=100, validation_data=test_dataset)
history.history

history.history를 통해서 loss, accuracy와 같은 정보를 확인할 수 있음