이제 컴파일을 진행한 후 모델을 시각화해보겠습니다.
OUTPUT_CLASSES = 3
model = U-NET_model(output_channels=OUTPUT_CLASSES)
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
tf.keras.utils.plot_model(model, show_shapes=True)
이 코드는 모델을 컴파일하고 시각화하여, 모델의 구조를 파악하고 학습 준비를 완료하는 과정을 담고 있습니다. 컴파일 단계는 모델 학습을 위한 핵심 매개변수(옵티마이저, 손실 함수, 평가지표)를 설정하는 중요한 단계입니다. 시각화를 통해 모델의 구조를 이해하면, 네트워크의 동작 방식과 각 층이 어떻게 연결되어 있는지 더 잘 이해할 수 있습니다.