1. Keras 소개
   1. [시작하기] Sequential 모델 가이드
   2. [시작하기] 함수형 API 가이드
   3. [시작하기] FAQ
   4. [모델] Keras의 모델
   5. [모델] 함수형 API
   6. [모델] Sequential
   7. [계층] Keras의 계층
   8. [계층] Core 계층
   9. [계층] 합성곱 계층
   10. [계층] 풀링 계층
   11. [계층] 부분적으로 연결된 계층
   12. [계층] 재발 계층
   13. [계층] 임베딩 계층
   14. [계층] Merge 계층
   15. [계층] 고급 활성화 계층
   16. [계층] 표준화 계층
   17. [계층] 노이즈 계층
   18. [계층] 계층 Wrappers
   19. [계층] 자신만의 Keras 계층 만들기
   20. [전처리] 시퀀스 전처리
   21. [전처리] 텍스트 전처리
   22. [전처리] 이미지 전처리
2. Metrics
3. 손실
4. 최적화기
5. 활성화
6. Callbacks
7. 데이터셋
8. 애플리케이션
9. 백엔드 1
10. 백엔드 2
11. 백엔드 3
12. 백엔드 4
13. 백엔드 5
14. 초기화기
15. 정규화기
16. 제한
17. 시각화
18. Scikit-Learn API
19. 유용한 도구

Keras 모델에 관하여

Keras에는 두 가지 형태의 모델이 있습니다. [모델] Sequential과 [모델] 함수형 API입니다.

두 모델 사이에는 공유하는 메소드가 여럿 있습니다.

• model.summary(): 모델의 요약 결과를 출력합니다.
• model.get_config(): 모델의 구성을 담고 있는 딕셔너리(dictionary)를 반환합니다. 모델은 다음 코드와 같이 config를 통해 다시 인스턴스화될 수 있습니다.

config = model.get_config()
model = Model.from_config(config)
# or, for Sequential:
model = Sequential.from_config(config)

• model.get_weights(): 모델의 모든 가중치 텐서를 Numpy 배열로 반환합니다.
• model.set_weights(weights): Numpy 배열의 리스트를 인자로 모델의 가중치 값을 설정합니다. 리스트의 배열은 get_weights()에 의해 반환되는 것과 같은 모양을 가져야 합니다.
• model.to_json(): 모델을 JSON 문자열 형태로 표현해 반환합니다. 모델의 아키텍처만 반환되고 가중치는 반환되지 않는다는 점에 주의하세요. 다음과 같은 코드를 통해 JSON 문자열로부터 모델을 다시 인스턴스화할 수 있습니다(가중치는 다시 초기화됩니다).

from models import model_from_json

json_string = model.to_json()
model = model_from_json(json_string)

• model.to_yaml(): 모델을 YAML 문자열 형태로 표현해 반환합니다. 모델의 아키텍처만 반환되고 가중치는 반환되지 않습니다. 다음과 같은 코드를 통해 YAML 문자열로부터 모델을 다시 인스턴스화할 수 있습니다(가중치는 다시 초기화됩니다).

from models import model_from_yaml

yaml_string = model.to_yaml()
model = model_from_yaml(yaml_string)

• model.save_weights(filepath): 모델의 가중치를 HDF5 파일로 저장합니다.
• model.load_weights(filepath, by_name=False): (save_weights로 생성된) HDF5 파일에서 가중치를 불러옵니다. 기본적으로 아키텍처가 변하지 않았다고 전제합니다. 다른 아키텍처의 경우(공통된 계층이 있기는 해야 합니다), by_name=True를 사용해 같은 이름을 가진 계층의 가중치를 불러올 수 있습니다.

이 문서는 Keras의 About Keras Models를 번역한 것입니다.