분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
모델 튜닝방법
안녕하세요.
최근에 간단한 분류 문제를 다루는 딥러닝 프로젝트를 진행하면서, 모델을 학습시키는 것까진 성공했지만 성능을 더 끌어올리기 위해 무엇을 해야 할지 막막했습니다.
학습 중에 하이퍼파라미터 튜닝은 알겠는데, 이걸 어떻게 시작해야 할지 잘 모르겠어요.
예를 들어, 학습률(learning rate)이나 드롭아웃(dropout) 같은 값을 조정해야 한다고는 하는데, 어떤 기준으로 설정하는 게 좋은지 궁금합니다.
눈누누난나 님께서 말씀해주신 optuna도 괜찮아요.
처음에 보면 뭔가 싶을정도로 복잡한데, 한번 만들어두면 하이퍼파라미터 수정만 하면 되서 편하더라고요.
아니면 automl 돌려보시고 최적의 하이퍼파라미터를 보고 왜 그렇게 나왔는지 생각해보신 후, 하이퍼파라미터를 조금씩 수정해서 돌려보시는 것도 좋은 것 같아요.
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io | 전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
처음에는 보통 많이 쓰는 기본값으로 시작해서 값을 조금씩 늘리거나 줄이면서 최적의 하이퍼파라미터를 찾아보는 방법도 괜찮을 것 같고, 많은 실험을 하는 데는 optuna 같은 튜닝 도구를 활용하면 좋아요!