Loss function (2) 썸네일형 리스트형 [딥러닝/DL] Loss Function 일반적으로 손실함수(Loss Function)은 딥러닝에서 모델의 출력값과 사용자가 원하는 출력값의 오차를 의미한다. 이 Loss Function을 통해 모델을 원하는 방향으로 학습할 수 있다. Loss Function은 많이 사용되는 MSE, MAE, R2, Cross Entropy 같은 것들도 있고 사용자가 정의하여 커스텀 Loss Function을 만들어 사용할 수도 있다. 이 방법은 특정 모델을 학습하는 방법론에서 적용할 수 있다. MSE(Mean Squared Error)예측한 값과 실제값 사이의 평균 제곱 오차를 정의한다. 공식이 매우 간단하고, 주로 회귀 문제에 사용된다.오차의 제곱을 평균 낸것이기 때문에 큰 오차에 대해 더 많은 패널티를 부여한다. MAE(Mean Absolute Err.. [Tensorflow] Optimizer / Loss Function / Metric Optimizer 딥러닝 모델을 학습할 때 다양한 최적화 알고리즘을 적용해야한다. 이러한 최적화 알고리즘은 모델의 가중치와 편향을 조정하여 손실 함수를 최소화하고 모델의 성능을 향상시키는 역할을 한다. tf.keras.optimizers에 정의되어 있다. Optimizer - Gradient Descent Optimization 가장 기본적인 최적화 알고리즘이다. learning rate를 조정하여 최적화의 속도와 안정성을 조절할 수 있다. tf.keras.optimizers.legacy.SGD 클래스를 사용하여 구현 가능하다. optimizer = tf.keras.optimizers.legacy.SGD(learning_rate = 0.01) model.compile(optimizer=optimizer).. 이전 1 다음
