모델 학습 및 모델 예측 관련한 코드는 비슷한 패턴으로 진행됩니다. 따라서 모델의 네트워크 및 네트워크에서 사용되는 파라미터에 집중하여 학습하면 좋습니다.

마지막으로 테스트 데이터셋을 이용한 모델 예측 성능을 확인해 봅니다.

코드 7-39 모델 예측 성능 확인

test_loss, test_acc = evaluate(model, test_loader)
print("Test Loss: %5.2f | Test Accuracy: %5.2f" % (test_loss, test_acc))

다음은 모델 예측에 대한 결과입니다.

Test Loss: 0.06 | Test Accuracy: 0.98

IMDB에서 MNIST로 데이터셋이 바뀌기는 했지만 98%로 성능이 매우 좋습니다. IMDB는 사전에 전처리가 되지 않은 데이터셋이고, MNIST는 사전에 전처리가 된 상태의 데이터셋이기 때문에 정확도 측면에서 차이가 날 수 있습니다. 이와 같이 사전에 전처리가 되지 않은 데이터셋의 경우 정확도를 높이기 위해 은닉층의 개수(혹은 뉴런의 개수) 및 하이퍼파라미터 수정 등이 필요합니다.