<aside> 💡 신경망의 구조

</aside>

• 네트워크를 구성하는 층
• 입력 데이터와 그에 상응하는 타깃
• 학습에 사용할 피드백 신호를 정의하는 손실 함수
• 학습 진행 방식을 결정하는 optimizer

<aside> 💡 층: 딥러닝의 구성 단위

</aside>

층: 하나 이상의 텐서를 입력받아 하나 이상의 텐서를 출력하는 데이터 처리 모듈

대부분 가중치라는 층의 상태를 가짐

가중치: 확률적 경사 하강법에 의해 학습되는 하나 이상의 텐서

2D 텐서: 완전 연결층(fully connected layer), 밀집층(밀집 연결층- dense connected layer)

3D 텐서: 순환층(ex- LSTM)

4D 텐서: 2D 합성곱 층(convolution layer-Conv2D)

케라스: 호환 가능한 층들을 엮어 데이터 변환 파이프라인 구성

<aside> 💡 모델: 층의 네트워크

</aside>

딥러닝 모델: 층으로 만든 비순환 유향 그래프

ex - 하나의 입력을 하나의 출력으로 매핑하는 층을 순서대로 쌓는 것

<aside> 💡 손실 함수와 옵티마이저: 학습 과정을 조절하는 열쇠

</aside>

손실 함수(loss function): 훈련하는 동안 최소화될 값 -주어진 문제에 대한 성공 지표