p96. 케라스의 핵심 데이터 구조는 모델이고 이 모델을 구성하는 것이 레이어이다. 기본적인 레이어 개념을 익히면 모델을 블록을 쌓는 것처럼 쉽게 구성할 수 있다.

99. 케라스에서는 전결합층을 Dense 클래스로 구현된다. 주요 인자는 다음과 같다. Dense 레이어는 입력 뉴런 수에 상관없이 출력 뉴런 수를 자유롭게 설정할 수 있기 때문에 출력층으로 많이 사용된다.

• units: 출력 뉴런의 수를 설정
• input_dim: 입력 뉴런의 수를 설정
• activation: 활성화 함수를 설정
  • ‘linear’: 디폴트 값, 입력뉴런과 가중치로 계산된 결과값이 그래도 출력
  • ‘relu’: rectificer 함수, 은닉층에 주로 사용
  • ‘sigmoid’: 시그모이드 함수, 이진 분류 문제에서 출력층에 주로 사용
  • ‘softmax’: 소프트맥스 함수, 다중 클래스 분류 문제에서 출력층에 주로 쓰임

p104. 매번 실행 시마다 결과가 달라지지 않도록 랜덤 시드를 명시적으로 지정합니다. 이것을 하지 않으면 매번 실행 시마다 동일 모델임에도 불구하고 다른 결과가 나오기 때문에 연구 개발 단계에서 파라미터 조정이나 데이터셋에 따른 결과 차이를 보려면 랜덤 시드를 작성해주는 것이 좋다.