딥러닝학습

model.compile(loss='mse', optimizer='adam') 딥러닝을 최적화 하여 훈련 시킬때에 사용되는 optimizer 알고리즘을 알아봅니다. Optimizer 딥러닝 모델을 학습 시키면서 어떻게 최적값을 찾을까요. 최적화에 사용되는 알고리즘들을 알아 보고 왜 adam 을 자주 사용하는 지 알아봅니다. 1. Gradient Descent (GD) : 기울기의 최솟값을 찾는다 딥러닝 학습을 한다는거 쉽게 생각하면 미분을 계속해서 최적의 가중치와 편향값을 찾아내는것입니다. Gradient Descent는 이런 미분하는 과정에서 함수의 기울기(즉, gradient)를 이용하여 x의 값을 어디로 옮겼을 때 함수가 최소값을 찾는지 알아보는 방법입니다. 이 방법에는 문제점이 있습니다. 1. 극..

1. Train, Test, Validation Data Train Set 모델의 학습만을 위해서 사용 parameter나 feature 등을 수정하여 모델의 성능을 높이는 작업에 사용 Test Set 최종적으로 모델의 성능을 평가 실사용 되었을 때 모델이 얼마나 좋은 성능을 발휘 할 수 있을지 알아본다. Validation Set 모델의 학습에 직접적으로 관여하지 않음 학습이 끝난 모델에 적용 최종적으로 모델을 fine tuning하는 데에 사용 딥러닝이든 머신러닝이든 훈련으로 학습된 모델의 성능을 확인 하려면 test를 해야한다. 테스트 데이터가 주어졌을때 훈련 데이터로 전부 사용하면 안된다. 일반적으로 7:3 혹은 8:2의 비율로 Training data와 Test data를 나눈다. 그 후 완성된..