fastai와 파이토치가 만나 꽃피운 딥러닝

300

2



fastai 애플리케이션 계층 이해하기

하이퍼파라미터 선택에 검증용 데이터셋을 사용했습니다. 이것이 바로 검증용 데이터셋의 목

적이죠. 무엇이 가장 좋은지를 찾으려고 시도를 많이 한다면 검증용 데이터셋에도 과적합될 수

있다는 우려를 표하는 학생들도 있었습니다. 하지만 그래프에서 볼 수 있듯이 임계점에 변화를

주어 얻은 그래프는 부드러운 곡선 형태입니다. 즉 부적합한 이상치를 선택하지 않을 것이 자

명합니다. 이는 이론과 실전의 차이에 주의를 기울여야 하는 좋은 예입니다.

44

이렇게 다중 레이블 분류 문제에 관한 내용을 마무리합니다. 다음은 회귀 문제를 살펴볼 차례

입니다.

6.2



우리는 흔히 딥러닝 모델을



,



등의 분야로 나눠서 생각합니다. 그리고

fastai

라이브러리도 분야별로 패키지가 나뉘죠. 하지만 이는 대부분의 사람이 분야를 이렇게

나눠야 한다는 생각에 갇혀 있기 때문입니다.

하지만 이런 생각은 더 흥미롭고 깊은 관점을 방해합니다. 모델이란 손실 함수, 독립변수, 종

속변수로 정의됩니다. 즉 단순히 분야로 나누는 것보다 훨씬 광범위하고 다양한 모델이 있습니

44

 이론은 검증용 데이터셋에 과적합으로 이어질 수 있는 다양한 하이퍼파라미터를 시도하지 말라고 하지만, 실전에서는 그 관계가

부드럽다면 괜찮기도 합니다. ...