훈련 파라미터 조절¶
모델을 사용하는 과정에서 추론 속도를 높이거나 모델의 정확도를 개선해야 하는 경우 훈련 파라미터를 조절하고 모델을 다시 훈련하여 효과를 최적화할 수 있습니다.
- 입력된 이미지의 사이즈
훈련 시 신경망에 입력된 이미지의 너비와 높이(단위: 픽셀)이며 기본값을 사용하는 것을 권장합니다. 이미지 속의 물체나 표기된 결함 영역이 매우 작은 경우 입력된 이미지의 사이즈 를 적절히 늘려야 합니다. 이미지의 사이즈가 클수록 모델 정확도는 높아지지만 훈련 속도는 느려집니다.
- 모델 유형
일반 : 일반적인 경우에 일반 모드를 사용하는 것을 권장합니다.
강화 : 모델 성능이 좋지 않거나 정확도에 대한 요구 사항이 높을 때 응용됩니다. 하지만 이 모드를 사용하면 훈련 속도는 느려집니다.
- 평가 간격
모델 훈련 시 각 평가 간격의 반복 횟수이며 기본값을 사용하는 것을 권장합니다. 평가 간격 파라미터의 수치를 높이면 훈련 속도를 높일 수 있는데 파라미터 수치는 클수록 훈련 속도가 빨라지고 파라미터 수치는 작을수록 훈련 속도가 느려지지만 최적의 모델을 선택하는 데 도움이 됩니다.
- Epochs
모델 훈련의 총 반복 횟수이며 기본값을 사용하는 것을 권장합니다. 인식할 이미지의 특징이 복잡한 경우 모델 효과를 최적화하기 위해 훈련 횟수를 적절히 늘려야 하지만 훈련 시간이 길어집니다.
주의
Epochs가 크면 클수록 좋은 것이 아닙니다. Epochs 총수를 매우 크게 설정하면 모델의 정확도가 안정화된 후에도 모델이 계속 훈련을 진행하므로 훈련 시간이 길어지고 과적합의 위험이 있습니다.