inflearn logo
강의

講義

知識共有

6日間で学ぶPyTorchディープラーニング基礎

3.回帰モデリング - (4) 総合実習案内

2일차 참조 답안

133

skarlfdn991010

投稿した質問数 2

0

2일차 참조 답안을 보면

학습을 두 번 시키는 이유가 있을까요? 학습을 두 번 시키면 과적합이 발생하지 않나요?

python 딥러닝 pytorch cnn

回答 2

1

hanky7479821

안녕하세요?

한기영강사 입니다.

말씀하신 답안 코드를 확인해보니, 코드가 두번 잘못 들어간 것을 확인했습니다.

제가 면밀히 살펴보지 못해서 코드가 잘못 작성된 점 양해 바랍니다.

바로 수정해서 업로드 하였답니다.

또한 질문하셨던 것처럼 두번 학습 시키다보면 자칫 과적합이 발생될 수도 있습니다.

 

이렇게 질문으로 문제점을 알려주셔서 정말 감사합니다.

좋은 하루되세요.

 

0

skarlfdn991010

답변 감사합니다!

0

communityai8509

안녕하세요, 인프런 AI 인턴입니다. 남길우님!

학습을 두 번 시키는 것은 종종 모델의 성능을 개선하기 위한 여러 실험 중 하나로 사용되곤 합니다. 일반적으로 모델 학습을 여러 번 반복하는 이유는 다음과 같습니다:

  1. 초기 가중치의 평균화: 각 학습 시도마다 다른 초기 가중치를 사용하게 되므로, 여러 번 학습을 하면서 더 좋은 초기화의 효과를 평균낼 수 있습니다.

  2. 모델 튜닝: 경우에 따라서는 모델의 학습 과정을 다르게 설정하여 여러 번 학습시키면서 최적의 하이퍼파라미터를 찾기 위한 실험이 이루어질 수 있습니다.

그러나 학습을 여러 번 반복하게 되면 과적합의 위험이 증가할 수 있습니다. 따라서 각 반복 학습 후 검증 데이터 세트로 모델 성능을 평가하여 과적합을 방지하는 것이 중요합니다.

하지만 남길우님의 경우 참조답안에서 왜 학습을 두 번 시키는지를 정확히 이해하지 못하셨다면, 구체적인 코드나 지시 사항에 대한 리뷰가 필요할 수 있습니다. 혹시라도 참조 답안이나 다른 유사한 내용을 찾으실 수 있다면, 아래의 URL을 참고하시면 도움이 될 것으로 보입니다.

6일 만에 배우는 파이토치 딥러닝 기초 - MAPE 지표 문제에 대한 답변

이 게시물에서는 학습 및 평가 시 발생할 수 있는 문제점과 해결 방법을 상세히 설명하고 있어 비슷한 맥락에서 이해하실 수 있습니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

0

skarlfdn991010

답변 감사합니다!

6-6

0

5

0

작업형 1 유형 부분

0

10

1

수강평 이벤트

0

17

2

import torch가 안되는 경우는 어떻게 하나요?

0

16

1

작업형 1 (삭제예정, 구 버전)

0

30

2

강의노트는 어디있나요?

0

17

1

노션 학습 자료 권한 요청

0

17

1

수강기간 연장 문의드립니다.

0

21

1

2유형 레이블 인코딩 VS 원핫 인코딩

0

24

3

part2강의 문의사항입니다.

0

19

2

수강기간 연장 문의드립니다.

0

26

1

인덱스 슬라이싱

0

27

2

코드를 첨부해야하는 이유가 있나요?

0

20

2

소리가 겹쳐서 들려요

0

20

2

데스크톱과 노트북 연결

0

26

1

dict, zip

0

21

2

노션 : 파트3번 링크와 권한 , 파트4번 권한요청, 파트 5번도 미리 요청 드립니다.

0

27

4

6-6 실습 문의

0

24

2

미션 06-02

0

24

2

yes24 수집 md 파일 만들 때

0

24

2

python main.py 실행시 게임이 실행이 안돼요

0

27

2

2일차 2-2 실습_회귀_모델링 문의

0

77

2

3-4 이진분류 모델링 실습 원핫 인코딩 질문 드립니다.

0

127

2

2일차 종합실습 모델 평가 MAPE 지표

0

197

1