➊ 먼저 앞서 불러온 Sequential() 함수를 model로 선언했습니다. 앞으로 상세히 다루겠지만, 딥러닝은 그림 2-17과 같이 여러 층이 쌓여 있는 구조입니다. 준비된 데이터가 입력되는 입력층에 이어 첫 번째 작업을 진행하는 1층, 두 번째 작업을 하는 2층… 이런 식으로 출력 결과가 나오는 출력층까지 여러 개의 층이 각자 자신이 맡은 일을 하면서 앞뒤로 정보를 주고받습니다. 케라스의 Sequential() 함수는 딥러닝의 한 층 한 층을 ➋ model.add()라는 함수를 사용해 간단히 추가시켜 줍니다. 여기서는 ➋와 ➌, 두 개의 층을 쌓았습니다. model.add() 함수를 한 줄 추가하는 것으로 필요한 만큼 내부의 층을 만들 수 있습니다.

그림 2-17 | 딥러닝의 층 구조와 케라스

각 model.add() 함수 안에는 케라스 API의 layers 클래스에서 불러온 Dense() 함수가 포함되어 있습니다. Dense는 ‘밀집한, 빽빽한’이란 뜻으로, 여기서는 각 층의 입력과 출력을 촘촘하게 모두 연결하라는 것입니다.