체크포인트 디자인 패턴은 부분적으로 학습된 모델을 사용할 수 있도록 모델의 전체 상태를 주기적으로 저장한다.
학습이 부분적으로만 이뤄진다.
4.3.1 문제
신경망이 복잡할수록 데이터셋이 커지는데 모델이 복잡할수록 파라미터가 많아지기 때문,
4.3.2 솔루션
각 에폭이 끝날 때마다 모델의 상태 저장 가능,
한 지점에서 모델 학습을 재개할 수 있도록 전체 모델 상태를 저장하느 ㄴ것을 체크포인팅이라고 한다.
이는 방대한 작업,
4.3.3 트레이드 오프와 대안
조기 종료
학습 시간이 길수록 데이터 손실이 감소, 어느 시점 이후 오류가 감소하지 않을 수 있다.
과대적합시 검증 오류가 증가한다. 각 에폭이 끝날 때마다 검증 오류 확인, 학습 프로세스 종료
체크 포인트 선택
정규화
데이터 분할
미세 조정
'머신러닝 디자인 패터' 카테고리의 다른 글
5. 탄력성 디자인 패턴 (0) | 2023.07.01 |
---|---|
4.2 디자인 패턴 11: 유용한 과대적합 (0) | 2023.06.30 |
4. 모델 학습 디자인 패턴 (0) | 2023.06.30 |
3.3 디자인 패턴 7: 앙상블 (0) | 2023.06.30 |
3.2 디자인 패턴 6 : 멀티 라벨 (0) | 2023.06.30 |