1 분 소요

Google Tensorflow Certification 01

개요(기초)

용어 정리

Epoch : 전체 데이터가 모두 학습한 단위

Batch : 1개의 Epoch에서 여러 개의 샘플을 나누어 학습하는 단위(OOM(Out Of Memory) 방지)

ex)

batch_size=10 => (1000개 이미지) / (batch_size=10) = 총 100개의 batch

batch_size=20 => (1000개 이미지) / (batch_size=20) = 총 50개의 batch

batch_size=50 => (1000개 이미지) / (batch_size=50) = 총 20개의 batch

Loss : 정답값 과의 오차

Accuracy : 정확도

Supervised Learning(지도학습) : 입력 데이터와 출력 데이터 모두 존제하는 학습

  • 분류(Classification)

  • 회귀(Regression)

(Google Tensorflow Certification에서는 지도학습만 다룬다.)

Unsupervised Learning(비지도학습) : 입력 데이터만 존제하는 학습

  • 군집(Clustering)

딥러닝의 학습 순서 ★

Step 1. Import : 필요한 모듈(라이브러리)를 Import 합니다.

Step 2. 전처리(preprocessing) : 학습에 필요한 데이터 전처리를 수행합니다,

Step 3. 모델링(model) : 모델을 정의합니다.

(Google Tensorflow Certification에서는 Sequential 모델만 사용)

Step 4. 컴파일(compile) : 모델을 생성합니다.

Step 5. 학습(fit) : 모델을 학습시킵니다.

Step 6. 예측(predict)

선형함수와 오차

선형함수 모델 : Y(예측 데이터) = W(가중치) * X(입력 데이터) + b(bias)

단순하게, W(가중치)의 변화는 기울기의 변화, b(bias)의 변화는 절편의 변화, 학습하면서 수시로 변하는 값.

오차함수(Loss Function) : 오차를 나타내는 함수

ex) 만약, 5개의 데이터에 오차가 2, -2, 0, -2, 2 라면,

오차의 총합은 0이므로, 오차가 존제하지 않는 것 처럼 처리된다. 이것을 방지하기위해, MAE, MSE 함수를 사용한다.

  • MAE(Mean Absolute Error) : 오차의 절댓값 평균

(abs(2) + abs(-2) + abs(0) + abs(-2) + abs(2)) / 5 = 1.6

  • MSE(Mean Squared Error) : 오차의 제곱 평균

(2^2 + -(2)^2 + 0^2 + (-2)^2 + 2^2) / 5 = 3.2

댓글남기기

참고