다음과 같이 모델 훈련 결과가 출력됩니다.
Epoch 1/50
1105/1105 [==============================] - 1s 648us/sample - loss: 1.0441 - acc: 0.6471 - val_loss: 0.9126 - val_acc: 0.6498
Epoch 2/50
1105/1105 [==============================] - 0s 321us/sample - loss: 0.6818 - acc: 0.7204 - val_loss: 0.7107 - val_acc: 0.6498
Epoch 3/50
1105/1105 [==============================] - 0s 358us/sample - loss: 0.5226 - acc: 0.7529 - val_loss: 0.5742 - val_acc: 0.7545
Epoch 4/50
1105/1105 [==============================] - 0s 373us/sample - loss: 0.4225 - acc: 0.8308 - val_loss: 0.4853 - val_acc: 0.8339
...(이하 생략)...
Note ≡ 배치와 에포크
배치(batch)는 모델 가중치를 한 번 업데이트시킬 때 사용되는 데이터의 묶음입니다. 예를 들어 훈련 데이터셋이 총 1000개 있을 때, 배치 크기가 20이라면 데이터 20개마다 모델 가중치를 업데이트합니다. 즉, 가중치가 총 50번(=1000/20) 업데이트되기 때문에 하나의 데이터셋을 배치 50개로 나누어서 훈련을 진행한다고 이해하면 됩니다.
에포크(epoch)는 학습 횟수를 의미합니다. 예를 들어 에포크가 10이고 배치 크기가 20이면, 가중치를 50번 업데이트하는 것을 총 열 번 반복한다는 것입니다. 따라서 각 데이터가 총 열 번씩 사용되고, 결과적으로 가중치가 총 500번 업데이트된다고 이해하면 됩니다.