테스트 데이터 역시 94% 정도의 높은 정확도를 보입니다. 만약 모델의 네트워크를 개발자가 직접 구현하고 최적의 파라미터 값을 찾는다면 꽤 오랜 시간이 소요될 것입니다. 하지만 사전 훈련된 모델을 사용한다면 손쉽게 모델을 학습시킬 수 있기 때문에 실무에서도 많이 사용됩니다.

이제 모델의 학습 결과를 시각적으로 살펴보겠습니다. 먼저 훈련과 테스트 데이터에 대한 정확도입니다.

코드 5-26 훈련과 테스트 데이터의 정확도를 그래프로 확인

plt.plot(train_acc_hist)
plt.plot(val_acc_hist)
plt.show()

다음 그림은 훈련과 테스트 데이터에 대해 에포크가 진행될 때마다 정확도를 출력한 결과입니다. 훈련과 테스트 데이터 모두 에포크가 진행될수록 정확도가 높아지면서 100% 가까워지고 있습니다. 실제로 더 많은 에포크를 진행한다면 더욱더 100%에 수렴하는 것을 확인할 수 있습니다.

▲ 그림 5-37 훈련과 테스트 데이터에 대한 정확도