로우코드 AI

198

로우코드 AI

일반적으로 신경망은 원하는 만큼의 은닉 계층을 둘 수 있습니다. 가령 두 은닉 계층이 있는 경

우, 개념적으로 학습이 끝난 신경망이 두 개의 서로 다른 은닉 계층에 대한 숨은 특징을 학습했

다고 이해할 수 있습니다. 첫 번째 은닉 계층의 특징은 원래 입력 특징으로부터 학습되고, 두

번째 은닉 계층의 특징은 첫 번째 은닉 계층의 특징으로부터 학습된다고 볼 수 있죠. 물론 모

델 입력과 출력으로 이를 직접 확인할 수는 없지만, 신경망이 한 계층에서 다른 계층으로 개념

을 구축하고 궁극적으로 이를 최종 출력 계산에 적용하는 방법과 일치합니다. 이러한 신경망은

[그림

6

-

32

]처럼 시각화할 수 있습니다.

그림

6-32

두 은닉 계층이 있는 신경망의 시각적 표현. 활성화 함수

ReLU

는 생략했습니다.

TIP_

 은닉 계층이 많을수록 모델은 더 강력해질 수 있지만, 그만큼 최적화해야 할 가중치가 많아지므로 

학습에 더 많은 데이터를 투입해야 하고 시간도 많이 소요됩니다. 은닉 계층 수가 적은 더 작은 신경망

에서는 더 큰 신경망보다 학습이 비교적 쉽게 이루어지지만, 복잡한 관계는 학습하지 못할 수 있습니다.

6.5.3

빅쿼리

ML

에서 심층 신경망 학습시키기

신경망에 관해 조금 알았으니, 이제 빅쿼리

ML

로 신경망을 학습시켜 볼 차례입니다. 심층 신

경망을 ...