• 텐서플로는 CPU, GPU, TPU에서 실행할 수 있는 업계 최강의 수치 컴퓨팅 프레임워크입니다. 미분 가능한 어떤 표현식의 그레이디언트도 자동으로 계산할 수 있습니다. 여러 가지 장치에 배포할 수 있고, 자바스크립트를 포함하여 다양한 종류의 런타임에 맞도록 프로그램을 변환할 수 있습니다.

• 케라스는 텐서플로에서 딥러닝을 수행하기 위한 표준 API로, 이 책에서 사용하는 라이브러리입니다.

• 텐서플로의 핵심 객체는 텐서, 변수, 텐서 연산, 그레이디언트 테이프입니다.

• 케라스의 핵심 클래스는 Layer입니다. 층은 가중치와 연산을 캡슐화합니다. 이런 층을 조합하여 모델을 만듭니다.

• 모델을 훈련하기 전에 옵티마이저, 손실, 측정 지표를 선택하여 model.compile() 메서드에 지정해야 합니다.

• 미니 배치 경사 하강법을 실행하는 fit() 메서드로 모델을 훈련할 수 있습니다. 또한, 이 메서드를 사용하여 모델이 훈련 과정에서 본 적 없는 검증 데이터에 대한 손실과 측정 지표를 모니터링할 수 있습니다.

• 모델을 훈련하고 나면 model.predict() 메서드를 사용하여 새로운 입력에 대한 예측을 만듭니다.