트레이닝 도구 매개변수
트레이닝 도구 매개변수는 트레이닝 과정을 제어합니다.
| 매개변수 | 설명 | ||||||
|---|---|---|---|---|---|---|---|
|
트레이닝 집합 |
트레이닝 집합 대화 상자를 띄우는데, 이를 이용해 새로운 트레이닝을 시작할 때마다 신경망의 트레이닝 샘플로 무작위 선택할 샘플 집합 및 라벨 지정된 이미지의 백분율을 지정합니다. |
||||||
|
Epoch 횟수 |
트레이닝 중 수행할 최적화 반복의 횟수를 지정합니다. 응용 프로그램의 복잡도가 제한적이거나, 다양한 매개변수 설정을 테스트할 때 낮은 품질의 모델이 유용한 경우 이 설정을 줄일 수 있습니다. Epoch는 전체 트레이닝 집합을 신경망에 넘겨주는 것에 대한 용어입니다. Blue 읽기 도구는 이미 다양한 문자 집합에 대해 잘 트레이닝된 네트워크가 있으므로, 이 설정이 훨씬 작습니다(10). 하지만, 다른 도구의 경우 초기화되지 않은 네트워크로 시작하며, 이들은 트레이닝 이미지 집합 데이터를 대략 50회 정도 보아야 합니다(그리고 정밀 조정 영역에 있어야 합니다). 따라서 50이 기본 설정이며, 일반적으로 대부분의 표준 응용 프로그램에 충분합니다. 적은 수의 Epoch를 이용하는 것으로 선택하면, 신경망이 학습에서 벗어나지 못하거나 문제를 정확하게 해결하지 못할 수 있으며, Epoch가 많아지면 결과를 오버피팅(다른 말로 오버트레이닝)하게 됩니다(즉, 트레이닝된 이미지만을 학습하고, 트레이닝된 이미지 이외는 모두 무효한 것으로 간주합니다). 트레이닝 이미지 집합으로부터 일반화될 때까지 네트워크를 트레이닝하는 것이 중요합니다. Epoch를 지나치게 늘리면, 트레이닝 이미지 집합을 오버피팅 또는 오버트레이닝할 위험을 감수해야 합니다. 팁 :
|
||||||
|
용량 |
시각적 복잡성의 다양한 정도를 설명할 수 있는 모델의 능력을 지정합니다. 매우 단순한 패턴의 경우에는 작은 용량을 선택해야 오버피팅을 막을 수 있습니다. 복잡한 이미지나 개체의 경우 언더피팅을 막기 위해 용량 설정이 커야 합니다. 참고 : 용량 매개변수는 비감독 모드의 Red 분석 도구에서만 이용할 수 있습니다.
|
||||||
|
트레이닝 패스 |
여러 이미지에 걸치거나 이미지의 상이한 영역 내에서 불균일하게 분포된 복잡성이 있는 통계적으로 어려운 문제를 더 잘 다루기 위해 수행할 반복 트레이닝의 수를 지정합니다. 이 매개변수는 보기에 복잡성이 있는 곳으로 도구를 안내할 때 도움이 됩니다. 이는 보기가 다수의 독특한 구조적 영역을 갖고 있는 경우 유용합니다. 복잡도가 낮은 영역(예: 흰색 배경에 디테일이 없는 곳)은 알고리즘이 무시하고, 복잡도가 높은 영역(예: 선 및 기타 정교한 디테일)에 집중하게 합니다. 참고 : 트레이닝 패스 매개변수는 비감독 모드의 Red 분석 도구에서만 이용할 수 있습니다.
|
||||||
|
낮은 Precision |
트레이닝 후 도구가 낮은 Precision 모델을 생성할지 여부를 지정합니다. 낮은 Precision 모델은 런타임 작업 중 속도 최적화가 우선시되는 응용 프로그램에서 유용합니다. 두 가지 작업 모드 사이의 결과가 다를 가능성이 있습니다. 이를 활성화하면, 도구 아이콘에 흰색 번개 아이콘이 생깁니다.
참고 :
|
