fastai와 파이토치가 만나 꽃피운 딥러닝

76

1



실전 딥러닝

측정하는



를 정의해야 합니다.

학습 과정을 빠르게 하려면 다른 누군가의 데이터를 사용해 이미 학습된 적이 있는





을 사용해서 시작하면 됩니다. 그다음 해당 모델을 우리의 데이터에서 약간 더 학습시키는



의 과정을 거쳐 새로운 데이터에 적응된 모델을 만들어낼 수 있습니다.

모델을 학습시킬 때는 모델이



되도록 해야 합니다. 즉 데이터에서 일반적인 내용을 학습

하면 새로운 데이터에 적용하여 좋은 예측을 만들어낼 수 있죠. 학습이 나쁜 방향으로 이루어

져서 모델이 학습 시 본 내용을 통째로 암기해버린다면, 새로운 이미지에 대한 예측을 잘못 수

행할 수 있습니다. 이런 실패 상황을



이라고 합니다.

과적합을 피하려면 데이터를 항상



과



으로 나눠야 합니다. 학습용 데이

터셋은 모델 학습 시에만 사용하고, 검증용 데이터셋은 모델이 얼마나 예측을 잘 수행해내는지

평가하는 용도로만 써야 합니다. 이 방식은 모델이 학습용 데이터셋에서 배운 내용을 검증용

데이터셋에서도 일반화할 수 있는지를 확인하게 해줍니다.



는 모델이 검증용 데이터

셋에 대해 얼마나 잘 해내는지를 사람이 이해하도록 표현하는 수단입니다. 학습 과정에서 학습

용 데이터셋의 모든 데이터가 한 번씩 모델에 입력된 시점을 하나의



라고 합니다.

이 모든 개념은 일반적인 머신러닝에도 적용됩니다. 데이터를 학습해 모델을 정의하는 모든 방

식에 적용되죠. 딥러닝을 특별하게 만드는 것은



을 기반으로 하는 특수한 ...