Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- 공부
- tucker의 go 언어 프로그래밍
- Spring
- CloudWatch
- Elasticsearch
- CKA 기출문제
- 티스토리챌린지
- 정보처리기사실기 기출문제
- Pinpoint
- docker
- kotlin coroutine
- CKA
- golang
- kotlin querydsl
- PETERICA
- SRE
- 오블완
- 정보처리기사 실기 기출문제
- AWS EKS
- aws
- 기록으로 실력을 쌓자
- APM
- Kubernetes
- 코틀린 코루틴의 정석
- minikube
- go
- Java
- Linux
- AI
- kotlin
Archives
- Today
- Total
목록하이퍼파라미터 튜닝 (1)
피터의 개발이야기

ㅁ 들어가며ㅇ 딥러닝 모델의 성능을 최적화하는 과정에서 하이퍼파라미터 튜닝은 매우 중요한 역할을 한다. 이 과정을 통해 모델의 학습 능력을 향상시키고, 과적합이나 과소적합 문제를 해결할 수 있다. ㅁ 과적합과 과소적합이란?하이퍼파라미터 튜닝을 시작하기 전에, 먼저 과적합과 과소적합 개념을 이해해야 한다.과적합 (Overfitting)과적합은 모델이 학습 데이터에 지나치게 맞춰져 있는 상태를 말한다. 이 경우, 모델은 학습 데이터에 대해서는 매우 높은 성능을 보이지만, 새로운 데이터에 대해서는 성능이 떨어진다. 과소적합 (Underfitting)과소적합은 모델이 학습 데이터를 충분히 학습하지 못한 상태를 의미한다. 이 경우, 모델은 학습 데이터와 새로운 데이터 모두에 대해 낮은 성능을 보인다. ㅁ 하이퍼파..
AI
2024. 12. 9. 23:34