이제 오토인코더 모델이 준비되었으므로 모델을 훈련시키겠습니다.
코드 13-5 모델 훈련
autoencoder.fit(
X_train,
X_train,
epochs=30,
batch_size=256,
shuffle=True,
validation_data=(X_test, X_test))
X_train을 훈련 데이터셋으로 사용하고 X_test를 검증 데이터셋으로 사용합니다. 여기에서도 마찬가지로 추가적인 학습을 위해 에포크를 변경하면서 성능을 비교해 볼 수 있습니다. 에포크를 50 혹은 100으로 변경했을 때 성능 차이를 비교하면서 학습하길 권장합니다.
다음은 모델을 훈련시킨 출력 결과입니다.
Epoch 1/30
235/235 [==============================] - 4s 16ms/step - loss: 0.2754 - val_loss: 0.1915
Epoch 2/30
235/235 [==============================] - 3s 14ms/step - loss: 0.1714 - val_loss: 0.1534
Epoch 3/30
235/235 [==============================] - 3s 13ms/step - loss: 0.1437 - val_loss: 0.1336
...(중간 생략)...
Epoch 28/30
235/235 [==============================] - 3s 14ms/step - loss: 0.0932 - val_loss: 0.0919
Epoch 29/30
235/235 [==============================] - 3s 13ms/step - loss: 0.0932 - val_loss: 0.0920
Epoch 30/30
235/235 [==============================] - 3s 13ms/step - loss: 0.0932 - val_loss: 0.0919