fastai와 파이토치가 만나 꽃피운 딥러닝

225

4



숫자 분류기의 학습 내부 들여다보기

따라서 정확도 대신 약간 더 나은 예측을 도출한 가중치에 따라 약간 더 나은 손실을 계산하는

손실 함수가 필요합니다. 그런데 ‘약간 더 나은 예측’은 정확히 무엇일까요? 이는 올바른 정답

이

3

일 때 점수가 약간 더 높고, 올바른 정답이

7

일 때 점수가 약간 더 낮다는 의미입니다.

그러면 이를 반영하는 함수를 작성해보겠습니다. 과연 어떤 형태가 되어야 할까요?

손실 함수는 이미지 자체가 아니라 모델 예측을 입력받습니다. 따라서 이미지가

3

인지에 대한

예측으로

0

~

1

사잇값을 가지는

prds

라는 한 인자를 정의할 수 있습니다. 이 인자는 이미지로

색인된 벡터입니다 (랭크

1

텐서 ).

손실 함수의 목적은 예측값과 참값 (타깃 또는 레이블 ) 사이의 다름을 측정하는 것입니다. 예

측 인자는 앞서 언급했으므로, 이번에는

0

또는

1

의 값을 가지는

trgts

라는 인자를 정의하겠

습니다. 이 또한 이미지별로 색인된 벡터입니다(랭크

1

텐서 ).

예를 들어 실제 정답이

3

,

7

,

3

인 이미지 세 장을 떠올려 봅시다. 모델은 높은 신뢰도(

0

.

9

)로

첫 번째 이미지가

3

이고, 약간의 신뢰도 (

0

.

4

)로 두 번째 이미지가

7

이라 예측했지만, 낮은 신

뢰도 (

0

.

2

)로 세 번째 이미지가

7

이라 틀리게 예측했다고 가정해 보겠습니다. 이때 ...