딥러닝을 설계한다는 것은 결국 몇 개의 층을 어떻게 쌓을지, Dense 외에 어떤 층을 사용할지, 내부의 변수들을 어떻게 정해야 하는지 등에 대해 고민하는 것입니다. 대개 어떤 데이터를 가지고 무엇을 할 것인지에 따라 딥러닝의 설계가 결정됩니다. 각 설정과 변수의 의미를 알고 이것을 자유롭게 구성할 수 있는지가 딥러닝을 잘 다루는지 여부를 결정하는 것입니다. 이 책에서 배울 내용도 결국 이것입니다. Dense() 함수의 내부에 쓰인 각 설정의 의미들은 책의 진도가 나감에 따라 앞으로 하나씩 배우게 될 것입니다.

4. 모델 실행 만든 딥러닝을 실행시키고 결과 확인

만들어 놓은 모델을 실행시키는 부분입니다.

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) ----- ➊
history = model.fit(X, y, epochs=5, batch_size=16) ----- ➋

model.compile() 함수는 앞서 만든 model의 설정을 그대로 실행하라는 의미입니다. 그런데 함수 내부에 loss, optimizer, metrics 등 키워드들이 들어 있습니다. 이것은 앞 단계에서 만들어진 딥러닝 구조를 어떤 방식으로 구동시키고 어떻게 마무리할 것인지와 관련된 옵션들인데, 둘째 마당과 셋째 마당에서 자세히 배울 것입니다.