keras의 Sequential 클래스로 여러 개의 층을 가진 연결 신경망을 만드는 방법은

간편하고 일반적인 방법이지만, 여러 개의 입력이나 출력을 가지거나 중간 가지(branch)가 있는 복잡한 모델을 만들 수 없다.

케라스 함수형 API(functional API)를 이용해서 보다 복잡한 모델을 만들 수 있다.

함수형 방식(functional API)

tf.random.set_seed(1)

#입력층

inputs=tf.keras.Input(shape=(2,))

#은닉층

h1=tf.keras.layers.Dense(units=4, activation='relu')(inputs)

h2=tf.keras.layers.Dense(units=4, activation='relu')(h1)

h3=tf.keras.layers.Dense(units=4, activation='relu')(h2)

#출력층

outputs=tf.keras.layers.Dense(units=1, activation='sigmoid')(h3)

#모델 생성

model=tf.keras.Model(inputs=inputs, outputs=outputs)

model.summary()

Model: "model"

_________________________________________________________________

Layer (type) Output Shape Param #

=================================================================

input_1 (InputLayer) [(None, 2)] 0

_________________________________________________________________

dense_9 (Dense) (None, 4) 12

_________________________________________________________________

dense_10 (Dense) (None, 4) 20

_________________________________________________________________

dense_11 (Dense) (None, 4) 20

_________________________________________________________________

dense_12 (Dense) (None, 1) 5

=================================================================

Total params: 57

Trainable params: 57

Non-trainable params: 0

_________________________________________________________________

컴파일(compile) & 훈련(fit)

model.compile(

optimizer=tf.keras.optimizers.SGD(),

loss=tf.keras.losses.BinaryCrossentropy(),

metrics=[tf.keras.metrics.BinaryAccuracy()])

hist=model.fit(

x_train, y_train, validation_data=(x_valid, y_valid), epochs=200, batch_size=2, verbose=0)

Functional API(build model)