fastai와 파이토치가 만나 꽃피운 딥러닝

220

2



fastai 애플리케이션 계층 이해하기



로 모델의 출력과 목표 타깃값을 비교합니다. 그러면 손실 함수는 가중치를 개선해서

가능한 한 낮춰야만 하는 손실값을 반환합니다. 이미지 같은 학습용 데이터셋의 데이터 일부를

모델에 주입합니다. 그리고 모델이 도출한 예측과 타깃을 손실 함수로 비교합니다. 그렇게 얻

은 손실값은 모델의 예측이 어긋난 정도를 알려주는 단서입니다. 이를 기반으로 가중치를 조금

바꾸면 약간 더 나은 모델을 만들 수 있습니다.

미적분으로



를 계산합니다. 사실 파이토치는 이를 자동으로 계산하면 손실을 조금

더 개선하는 가중치 변경 방법을 찾을 수 있습니다. 비유적으로 표현해보죠. 등산로 입구에 차

를 주차하고 등산하다가 산 중턱에서 길을 잃어버린 상황을 상상해봅시다. 다시 주차장으로 돌

아가는 길을 찾으려고 어딘지 모를 임의의 방향으로 방황할지도 모릅니다. 그런데 이런 길 찾

기 방법은 별로 도움이 되지 않습니다. 가장 낮은 지점인 등산로 입구에 주차장이 있다는 사실

을 알고 있으니 일단 내리막을 찾아 내려가는 편이 ‘임의의 방향’보다 더 나은 결정이겠죠. 가

장 가파른 내리막길 방향으로 계속 내려가야 목적지에 도착할 가능성이 높습니다. 그리고 경사

진 정도(가파른 정도 )에



이라는 숫자를 곱해서 한 번에 움직여야 ...