이제 모델을 훈련시킬 준비가 되었습니다. 케라스에서는 모델의 fit() 메서드를 호출하여 훈련 데이터에 모델을 학습시킵니다.
코드 2-5 모델 훈련하기
>>> model.fit(train_images, train_labels, =5, =128)
Epoch 1/5
60000/60000 [===========================] - 5s - loss: 0.2524 - acc: 0.9273
Epoch 2/5
51328/60000 [=====================>.....] - ETA: 1s - loss: 0.1035 - acc: 0.9692
훈련하는 동안 2개의 정보가 출력되고 있습니다. 훈련 데이터에 대한 모델의 손실과 정확도입니다. 훈련 데이터에 대해 0.989(98.9%)의 정확도를 금방 달성합니다.
이제 훈련된 모델이 있으므로 이를 사용하여 새로운 숫자 이미지에 대한 클래스 확률을 예측할 수 있습니다. 새로운 이미지는 테스트 세트처럼 훈련 데이터가 아닌 이미지를 말합니다.
코드 2-6 모델을 사용하여 예측 만들기
>>> test_digits = test_images[0:10]
>>> predictions = model.predict(test_digits)
>>> predictions[0]
array([1.0726176e-10, 1.6918376e-10, 6.1314843e-08, 8.4106023e-06,
2.9967067e-11, 3.0331331e-09, 8.3651971e-14, 9.9999106e-01,
2.6657624e-08, 3.8127661e-07], dtype=float32)