fastai와 파이토치가 만나 꽃피운 딥러닝

121

2



모델에서 제품까지

NOTE

_



방금 본 방법으로 데이터셋을 정리하면, 곰 분류 문제에서 거의

100

%에 달하는 정확도를 얻을 수 있습니다.

심지어 곰 종류별로

150

개 미만의 데이터만 구성해도 유사한 결과를 얻을 수 있습니다. 보다시피 “딥러닝을

하려면 어마어마한 데이터가 필요하다”는 흔한 불평은 진실과 거리가 멉니다.

이제 모델을 학습시키는 과정까지 마쳤습니다. 다음은 모델을 실제로 사용할 수 있도록 배포하

는 방법을 알아봅니다.

2.5



학습된 모델을 온라인 애플리케이션으로 만드는 데 필요한 사항을 살펴볼 차례입니다. 다만 어

느 정도 작동하는 프로토타입을 만드는 수준까지만 다룹니다. 상세한 웹 애플리케이션의 개발

은 책의 범위를 벗어납니다.

2.5.1



만족스러운 모델을 배포환경에서 사용하려면 우선 파일 형태로 서버에 저장해야 합니다. 모델

은 두 부분으로 구성됩니다. 바로 모델의



와 학습된



입니다. 이 두 요소를 모두 저

장하는 것이 가장 쉽게 모델을 저장하는 방식입니다. 이후 모델을 다시 불러들일 때 파라미터

가 모델의 구조에 정확히 들어맞는다고 확신할 수 있기 때문입니다. 모델의

export

메서드를

사용하여 모델의 구조 및 파라미터를 모두 파일로 쉽게 ...