①레이어 종류
②Output Shape
③추가
InputLayer
(선택) 첫 레이어 자리에 명시적 입력 정의 |
입력 모양 정의
model.add(InputLayer(input_shape=(5,))) 스타일 | 파라미터 없음Conv2D
2D 합성곱 레이어
이미지 특징 추출
(H, W, 채널수)
이미지 특징 추출
Dense
완전연결 레이어
분류/회귀 출력
(뉴런수,)
분류/회귀 출력
AvgPooling2D
평균 풀링
공간 크기 ½ 축소
(H/2, W/2, ch)
공간 크기 ½ 축소
MaxPooling2D
최대 풀링
공간 크기 ½ 축소
(H/2, W/2, ch)
공간 크기 ½ 축소
Flatten
3D → 1D 펼치기
Conv → Dense 사이
(H × W × ch,)
Conv → Dense 사이
Dropout
학습 중 일부 뉴런 끔
과적합 방지 (정규화)
입력 모양 그대로
과적합 방지 (정규화)
BatchNormalization
미니배치 내 활성화 분포 정규화 (평균 0, 분산 1) | 학습 안정화 · 깊은 망 가능 | 채널당 4개 파라미터
입력 모양 그대로
레이어 목록 0개
레이어를 추가하면 여기에 쌓입니다
네트워크 다이어그램
레이어를 추가하면 구조가 그려집니다
model.summary()
| Layer (type) | Output Shape | Param # | 계산식 |
|---|---|---|---|
| 레이어를 추가하면 표시됩니다 | |||
검증 결과
레이어를 추가하면 검증이 시작됩니다
생성된 코드
# 레이어를 추가하면 코드가 생성됩니다
스타일:
compile: