모델 코드를 쓰기 전에 Keras가 왜 생겼는지부터 보자. 첫 페이지에 ‘기계가 아니라 사람을 위해 설계했다’고 선언한 API가 2026년에도 딥러닝 연구와 제품에서 널리 쓰이는 데에는 이유가 있어. 이 트랙에서는 그 출발점과 생존 방식, 그리고 Keras를 고르면 좋은 순간을 배워.
2015년, 진입 장벽을 문제로 보다
François Chollet은 Google에서 일하던 2015년 3월에 Keras를 공개했어. 당시 딥러닝은 박사 과정 연구자만 다룰 수 있는 도구처럼 여겨졌지. 간단한 신경망 하나를 만들려 해도 계산 그래프를 직접 구성하고 세션을 관리하며 저수준 텐서 연산을 이어 붙여야 했거든. Chollet은 그 복잡함을 꼭 치러야 하는 비용이 아니라 없애야 할 장벽으로 봤어. 그래서 ‘기계가 아니라 사람을 위해 설계된’ API를 만들었지.
좋은 도구는 연구 시간을 되돌려준다
Keras를 관통하는 기준은 하나야. 아이디어를 결과로 확인하기까지 걸리는 시간을 줄여야 좋은 연구가 가능하다는 것. 개발자 경험은 보기 좋은 장식이 아니라 실험 횟수와 발견 속도를 높이는 장치라는 뜻이야. 이후 Keras의 설계가 왜 단순한 이름, 짧은 기본 경로, 명확한 오류 메시지를 고집하는지 궁금할 때 이 기준으로 돌아오면 돼.