Tensorflow에서 딥 러닝 모델을 만드는 방법

1. Sequential 모델

2. Functional 모델

3. Sublclassing 모델 

 

 

1) Sequential API
장점 : 단순하게 층을 쌓는 방식으로 쉽고 사용하기가 간단합니다.
단점 : 다수의 입력(multi-input), 다수의 출력(multi-output)을 가진 모델 또는 층 간의 연결
(concatenate)이나 덧셈(Add)과 같은 연산을 하는 모델을 구현하기에는 적합하지 않음. 이런 모델들의 구현은 Functional API를 사용  

2) Functional API
장점:  Sequential API로는 구현하기 어려운 복잡한 모델들을 구현 가능
단점: 입력의 크기(shape)를 명시한 입력층(Input layer)을 모델의 앞단에 정의해야 한다

3) Subclassing API
장점 : Functional API로도 구현할 수 없는 모델들조차 구현이 가능
단점 : 객체 지향 프로그래밍(Object-oriented programming)에 익숙해야 하므로 코드 사용이 가장 까다로움.