한가지 질문이 있습니다! FineTuning을 한다고 했을 때, 기존 Imagenet 등의 엄청난 양의 이미지로 학습된 모델을 불러와 제가 갖고 있는 데이터셋을 다시 학습하는 개념으로 알고 있습니다..! 그렇다면 새로운 학습으로 파라미터(가중치)가 전체적으로 업데이트 된다는 것인데 제가 제대로 이해하고 있는 것인가요?😂
트레이닝 시 outputs = net(inputs)에서 RuntimeError: Calculated padded input size per channel: (2 x 2). Kernel size: (5 x 5). Kernel size can't be greater than actual input size 이러한 에러가 발생하는데 이유를 모르겠습니다 ㅠㅠ
밑에는 배치 2000번 돌고 로스 뽑았으니까 다시 다음 2000개의 배치 로스를 위해 0으로 만들어 준거예요. 프린팅을 2000번에 한 번 씩 나오게 한 것이라서 전체 배치 수에 나누어 떨어지지 않을 경우 그대로 로스가 남아 있기 때문에 위에는 에폭 마다 로스누적을 0으로 초기화 한 것이에요. 위를 for문 밖으로 빼고 싶으면 2000 에다가 배치 수에 나누어 떨어지는 숫자를 넣으면 될 거 같아요. 지금 보니까 코드가 맘에 들지 않네요😅 시청 감사해요~
감사합니다.
2:13 trainset 과 testset의 차이점이 무엇인가요???
훈련용(학습용)과 테스트용 데이터를 분리한 겁니다.
영상 죻아요!
시청 감사합니다😀
많은 도움이 된 강의였어요. 인스타도 팔로우하는 중이에요 히히~ 유익한 강의 감사합니다
한가지 질문이 있습니다! FineTuning을 한다고 했을 때, 기존 Imagenet 등의 엄청난 양의 이미지로 학습된 모델을 불러와 제가 갖고 있는 데이터셋을 다시 학습하는 개념으로 알고 있습니다..! 그렇다면 새로운 학습으로 파라미터(가중치)가 전체적으로 업데이트 된다는 것인데 제가 제대로 이해하고 있는 것인가요?😂
이해하신게 전이학습의 일부이고 맞습니다😀 다만 더 나아가 업데이트를 전체 다 할지 일부만 할지, 모델 전체 구조를 쓸지 안 쓸지 업무에 따라 선택하시면 됩니다!
@@deeplearningbro 답변감사드립니다🙏🏻
트레이닝 시 outputs = net(inputs)에서
RuntimeError: Calculated padded input size per channel: (2 x 2). Kernel size: (5 x 5). Kernel size can't be greater than actual input size
이러한 에러가 발생하는데 이유를 모르겠습니다 ㅠㅠ
계산 될 이미지 혹은 피쳐맵이 필터보다 작아서 생긴 오류예요. 이미지 사이즈가 작은 데이터로 바꾸셨거나 층의 개수나 필터 사이즈를 더 늘렸거나 하신거 같아요. 여기에 관련 된 숫자 체크 해보시겠어요?
트레이닝을 시킬때 각각 에폭이랑 배치에대한 포문을 돌때 0.0으로 위에서한번 아래에서 한번 초기화시켜주는건 어떤 의미인가요??
밑에는 배치 2000번 돌고 로스 뽑았으니까 다시 다음 2000개의 배치 로스를 위해 0으로 만들어 준거예요. 프린팅을 2000번에 한 번 씩 나오게 한 것이라서 전체 배치 수에 나누어 떨어지지 않을 경우 그대로 로스가 남아 있기 때문에 위에는 에폭 마다 로스누적을 0으로 초기화 한 것이에요. 위를 for문 밖으로 빼고 싶으면 2000 에다가 배치 수에 나누어 떨어지는 숫자를 넣으면 될 거 같아요. 지금 보니까 코드가 맘에 들지 않네요😅 시청 감사해요~
@@deeplearningbro 친절한 답변감사합니다. 로스를 한번 표현해줄때마다 초기화하고 에폭이 끝날때마다 초기화를 해주는거군요!
다음은 왜 비공개 인가요??? ㅠㅠㅠㅠ
취준생은 ... 유튜브를 좋아하는데 ㅠㅠㅠㅠ
다음편 안나오나요?
시청 감사해요😀 나머지는 인프런 강의를 통해 제공하고 있어요!