MJ's Blog

Tensorflow와 Keras에서 모델을 생성할때, 기본적으로 난수(random_seed)를 기반으로 계산이 이루어 진다. 그러므로 같은 코드라도 재 실행을 하면 결과값이 다르게 나올 수 밖에 없는데, 이렇게 되면 모델이 변경되었을 때 얼마나 개선되었는지에 대한 판단이 어려울 수 밖에 없다. 위 예시처럼 학습된 모델의 결과를 동일하게 Reproduction 하는 것은 여러가지 상황에서 필요한데, ex) 수상자가 되어 코드의 정합성을 검증 받게 될 경우 ex) 경진대회 참가 도중 팀을 이루어 결과를 공유해야 되는 경우 ex) 논문을 작성하여 그 결과를 Reproduction 해야하는 경우 등이 있다. 이러한 문제는 기본적으로 'Seed를 고정'시킴으로 해결할 수 있다. Seed 고정은 아래와 같이 구현할..

-정의 및 특징 클라우드 기반의 완전 관리형 머신러닝 서비스로, 머신러닝 모델을 빠르게 구축 / 훈련 / 최적화 / 배포 할 수 있도록 프로세스화 한 서비스이자 플랫폼 쉽게 말해서, 데이터의 제작과 전처리, 모델의 학습, 튜닝, 추론, 후처리, 배포 등의 전 과정을 쉽게 진행할 수 있도록 도와주는 머신러닝 서비스 "여러 플러그인들이 포함된 주피터랩 개발환경"으로도 정의할 수 있음 머신러닝 알고리즘이 많이 내장되어 있음 내부의 스토리지 서비스인 'Amazon S3 버킷'에서 모델 구축에 사용할 예시 데이터를 선택할 수 있음 -장점 훈련작업의 유연성 -단점 훈련 작업 시작이 느임 (훈련환경을 그때그때 구축해야하기 때문에) 주피터 랩에 기반하기 때문에 코드 편집 기능이 상대적으로 안좋음 데이터 '분석'에 초점..