Amazon SageMaker 자동 모델 튜닝을 활용한 ResNet 모델 훈련하기
Amazon SageMaker 자동 모델 튜닝을 활용한 ResNet 모델 훈련하기 Amazon SageMaker에서 우리가 사용하는 기계 학습 모델의 하이퍼파라미터(Hyper-Parameter) 값을 자동으로 튜닝하여 보다 정확한 예측을 생성하는 기능이 최근에 출시되었습니다. 하이퍼파라미터는 모델 훈련 중에 알고리즘의 동작을 설명하는 사용자 정의 설정입니다. 예를 들어, 의사 결정 트리의 규모, 세그먼트에서 원하는 클러스터의 수 또는 데이터를 반복할 때 인공신경망 가중치의 증분 업데이트 단위 등이 포함됩니다. 하이퍼파라미터 값은 최종 정확도 및 성능에 엄청난 영향을 미치므로 기계 학습 모델에 적합한 하이퍼파라미터 값을 선택하는 것이 중요합니다. 그러나, 하이퍼파라미터 값을 설정하는 프로세스는 쉽지 않고, 여러번 수동으로 작업을 해야 합니다. 특히, 일부 알고리즘에는 조정이 가능한 서로 다른 하이퍼파라미터가 많습니다. 일부 값은 다른 하이퍼파라미터보다 값을 선택하기가 더 까다롭습니다. 대부분의 경우, 모델의 적합성과 하이퍼파라미터 값은 비선형 관계에 있기때문입니다. 하이퍼파라미터 값을 선택할 때는 다양한 전략을 사용할 수 있습니다. 예를 들어, 모델 개발자가 가진 도메인 지식, 추론, 직관 또는 수동 실험을 사용합니다. 어떤 분들은 무차별 대입 [ more… ]
