선행 학습된 모델 활용
컨볼루셔널 신경망을 학습시켜 이미지 분류 작업을 실행하도록 하려면 일반적으로 방대한 학습 데이터가 필요하며, 이 작업은 완료하는 데 며칠 또는 몇 주가 걸릴 수 있습니다. 하지만 TensorFlow-Slim과 같은 방대한 데이터 세트에서 학습된 기존 이미지 모델을 활용하여 자체 분류 작업에 사용할 수 있다면 어떨까요?
선행 학습된 모델을 활용하는 일반적인 기법 중 하나는 특성 추출입니다. 즉, 사전 학습된 모델에서 생성된 중간 표현을 검색한 다음 이러한 표현을 새 모델에 입력으로 피드합니다. 예를 들어 다양한 유형의 채소를 구별하기 위해 이미지 분류 모델을 학습시키는 경우 당근, 셀러 등의 학습 이미지를 사전 학습된 모델에 공급한 다음 모델이 이미지에서 학습한 모든 정보를 캡처할 수 있습니다. 이러한 일반 수준은 기본 색상, 질감, 더 이상 분류에 관해 자세히 알아볼 수 있습니다. 선행 학습된 모델로 특성 추출을 사용할 때 성능을 높이기 위해 엔지니어는 추출된 특성에 적용되는 가중치 매개변수를 미세 조정하는 경우가 많습니다.
선행 학습된 모델을 사용할 때의 특성 추출 및 세부 조정에 대한 자세한 내용은 다음 실습을 참조하세요.