서브클래싱(Subclassing)
- 커스터마이징에 최적화된 방법
- Model 클래스를 상속받아 Model이 포함하는 기능을 사용할 수 있음
fit(),evaluate(),predict()save(),load()
- 주로
call()메소드 안에서 원하는 계산 가능 - 권장되는 방법은 아니지만 모델의 구현 코드를 참고할 때 해석할 수 있어야 함
1
2
3
from tensorflow.keras.layers import Dense, Activation, Flatten, Input
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Concatenate
1
2
3
4
5
6
7
8
9
10
11
12
13
14
class MyModel(Model):
def __init__(self, units=30, activation='relu', **kwargs):
super(MyModel, self).__init__(**kwargs)
self.dense_layer1 = Dense(units=300, activation=activation)
self.dense_layer2 = Dense(units=100, activation=activation)
self.dense_layer3 = Dense(units=units, activation=activation)
self.output_layer = Dense(units=10, activation='softmax')
def call(self, inputs):
x = self.dense_layer1(inputs)
x = self.dense_layer2(x)
x = self.dense_layer3(x)
x = self.output_layer(x)
return x