마지막으로는 학습 결과를 어떻게 확인할지 알려줘야 합니다. 여기에서는 정확도로 모델의 학습 결과를 확인해 보겠습니다. 정확도(accuracy)는 실제 60,000개 데이터의 예측 결과와 실제 값을 비교해 본 후 정답 비율을 알려줍니다.

■ model.fit(X_train, Y_train, batch_size=128, epochs=10, verbose=1)

이제 실제로 학습시킬 차례입니다. 케라스는 학습시키기 위해 ‘맞춘다’는 의미를 가진 fit 함수를 제공합니다. 이 함수를 사용하려면 마찬가지로 규칙을 따라야 합니다. 첫 번째로 입력할 데이터를 정합니다. 우리는 X_train, Y_train 데이터를 사용하여 인공지능 모델을 학습하기 때문에 이 두 가지를 넣습니다.

두 번째로 배치 사이즈(batch_size)를 정합니다. 배치 사이즈란 인공지능 모델이 한 번에 학습하는 데이터의 수를 의미합니다. 여기에서는 한 번에 128개 데이터를 학습시키겠습니다. 즉, 배치 사이즈는 128로 하겠습니다.

세 번째로 에포크(epochs)를 정합니다. 에포크는 모든 데이터를 1번 학습하는 것을 의미합니다. 여기에서는 모든 데이터를 10번 반복해서 학습시키겠습니다. 에포크는 10으로, verbose는 1로 설정하였습니다. verbose는 케라스 fit 함수의 결괏값을 출력하는 방법을 의미합니다.

verbose 값은 0, 1, 2 중 하나로 결정할 수 있습니다.

표 16-1 | verbose 값의 의미