흔한 실수들

진짜로 물어뜯는 넷

Sequential 은 관대하다가 결정적인 순간에 안 관대해져. 아래 넷이 "학습이 안 돼 / 돌긴 도는데 예측이 쓰레기" 신고의 대부분이야. 공통 특징 — 대부분 *실수한 자리가 아니라 엉뚱한 layer 에서 시끄럽게* 터져서, 추적이 오래 걸려.

• input_shape 빠뜨림 — keras.Input 없으면 데이터 볼 때까지 model 이 unbuilt 라 summary() 에러 나고 shape 버그가 늦게 드러나. 첫 layer 에 명시.
• Flatten 누락 — 4D image tensor 를 Dense 에 그대로 꽂음. Dense 는 vector 만 먹는데. summary() 의 output shape 보면 바로 들통나.
• label / loss mismatch — int label 에 categorical_crossentropy (one-hot 기대) 쓰기. sparse_categorical_crossentropy 가 맞아. 에러가 loss 가 아니라 shape 를 가리켜서 헷갈려.
• output 차원 / class 수 불일치 — 10-class 인데 마지막 Dense 가 5. num_classes 변수 한 곳에 두고 거기서만 끌어다 써.

관통하는 한 줄: 넷 다 특이한 게 아니야. 다들 반복적으로 저지르는 *지루한* 실수라, 하나씩 새로 디버깅하는 것보다 고정된 pre-flight 습관이 훨씬 빨라.