파이토치로 배우는 LLM & AI

315

11

장

시퀀스 모델을 위한 합성곱 신경망과 순환 신경망

여기서 보듯이 전체 예측을 향상하기 위해 여러 가지 다른 신경망 구조와 다른 하이퍼파라미터

를 시도해 볼 수 있습니다. 최상의 선택은 데이터에 따라 다릅니다. 따라서 여러분이 가진 특정

한 데이터셋으로 문제를 해결할 때 이번 장에서 배운 기술이 유용할 거라 장담합니다!

11.7

마치며

이 장에서 여러 종류의 신경망으로 시계열 데이터를 예측하는 모델을 구축해 보았습니다.

10

장에서 만든 간단한

DNN

에 이어서 합성곱 신경망과

RNN

,

GRU

,

LSTM

같은 순환 신경망을

다루었습니다. 하이퍼파라미터와 신경망 구조를 조정해 모델의 정확도를 향상하는 방법을 살

펴보았고, 수백 년의 온도 측정값으로 구성된 대용량 실전 데이터셋으로 연습해 보았습니다.

이제 여러분은 다양한 데이터셋에서 신경망을 만들 준비가 되었고 최적화에 필요한 사항을 잘

이해하고 있습니다!