다음 그림은 훈련 결과를 시각화한 결과입니다.

▲ 그림 8-38 훈련과 검증에 대한 정확도와 손실에 대한 시각화⁵

100% 만족할 수는 없지만 어느 정도 결과가 개선되었습니다. 검증의 정확도(val acc)가 시간이 흐를수록 좋아지고 있고, 검증의 손실(val loss)도 처음과 비교할 때 낮아지고 있습니다.

마지막으로 모델을 평가해 보겠습니다.

코드 8-13 모델 평가

loss_and_metrics = model2.evaluate(X_test, y_test)
print('## 손실과 정확도 평가 ##')
print(loss_and_metrics)

다음은 모델 평가 실행 결과입니다.

1/1 [==============================] - 0s 2ms/step - loss: 0.0778 - accuracy: 0.9667
## 손실과 정확도 평가 ##
[0.07776810228824615, 0.9666666388511658]

정확도는 큰 차이가 없지만 손실이 53%에서 7%로 낮아졌습니다. 즉, 배치 정규화를 사용할 경우 모델 성능이 좋아지는 것을 확인할 수 있습니다.

성능 향상에 도움이 되는 또 다른 항목인 드롭아웃을 살펴보겠습니다.