fastai와 파이토치가 만나 꽃피운 딥러닝

203

4



숫자 분류기의 학습 내부 들여다보기

>>> accuracy_3s = is_3(valid_3_tens).float() .mean()

>>> accuracy_7s = (1 - is_3(valid_7_tens).float()).mean()

>>> accuracy_3s,accuracy_7s,(accuracy_3s+accuracy_7s)/2

(tensor(0.9168), tensor(0.9854), tensor(0.9511))

일단 시작은 꽤 좋아 보입니다! 숫자

3

과

7

모두에서

90

%가 넘는 정확도를 얻었으며, 브로드

캐스팅으로 평가지표를 편리하게 정의하는 방법도 알아보았습니다. 다만 약간 솔직해질 필요

가 있습니다.

3

과

7

은 매우 다르게 생긴 숫자이고

37

, 원본

MNIST

가 제공하는 숫자

10

개 중 두

개만 분류하는 모델을 만들었기 때문에, 앞으로는 이보다 더 나은 결과를 얻어야만 합니다!

더 나은 결과를 얻으려면 이제는 실제로 무언가를 학습하는 시스템을 시도해야 합니다. 즉 시

스템이 스스로 자동 수정해나가도록 하는 방법이 필요하죠. 다음은 이를 실현하는 방법으로

SGD

와 학습 과정을 살펴봅니다.

4.4



1

장에서 인용한 아서 사무엘이 묘사한 머신러닝을 기억하나요?

실제 성능적 관점에서 현재 할당된 모든 가중치의 유효성을 자동으로 검증하는 ...