손실 곡선 읽기
왜 중요한가 훈련 실행은 데이터를 한 번 훑을 때마다 손실을 출력해요. 언제 더 나아지기를 멈췄는지 알면 언제 훈련을 멈출지 알 수 있어요.
훈련 로그에는 보통 에포크(데이터를 한 번 훑기)마다 숫자 둘이 있어요: 훈련 데이터의 손실, 그리고 모델이 결코 훈련하지 않는 따로 떼어 둔 검증 데이터의 손실. 훈련 손실은 거의 언제나 계속 떨어져요. 검증 손실은 떨어지다가 흔히 다시 올라가요: 모델이 패턴을 배우는 대신 훈련 데이터를 외우기 시작한 거예요.
에포크: 훈련 데이터 전체를 한 번 훑기.
멈추기 가장 좋은 순간은 검증 손실이 가장 낮은 에포크예요. np.argmin은 가장 작은 값의 위치를 찾아요.
요약 훈련 손실이 아니라 검증 손실을 지켜보세요. 그 가장 낮은 점이 가장 좋은 모델이에요.
이 레슨의 단어와 기호
- 배열
- 모두 같은 타입이고, 모든 항목에 한꺼번에 수학을 하는 NumPy 숫자 덩어리
- 에포크
- 훈련 데이터 전체를 한 번 훑기
train_loss와 val_loss가 주어져 있어요(에포크 1~15). best_epoch를 검증 손실이 가장 낮은 에포크 번호(1부터 세요)로 설정하고, 두 곡선을 ax에 레이블 "train"과 "validation"으로, 그 순서대로 그리세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.