텐서플로우 - 첫번째 딥러닝 - 레모네이드 판매 예측 영상내용중 epochs= 1000에 대해서

[podong28]

해결하고자 하는 문제

model.fit(독립,종속,epochs= 1000)

여기서 왜 epochs를 1000으로 기본값으로 주는지여? 10 ,100 10000으로도 줄수있을텐데 말이죠.

코드 혹은 오류

   model.fit(독립,종속,epochs= 1000)

환경

여러 시스템의 공통된 질문

시도해본 방법

10,100 , 10000 으로도 해봤습니다만...왜 초기에 1000으로 셋팅했는지가 궁금합니다.

[RayleighKim]

사실, .fit()의 역할을 뉴럴넷 관점에서 이해하고 계신다면 결국에는 사라지게 될 의문이 아닐까 합니다.

간단하게만 답을 하면 epochs는 결국 학습 횟수입니다.(정확히는 나중에 batchsize도 같이 공부 해주세요.)
강의에사 1000으로 설정이 되었다면, 강의에서 준비된 문제를 모델이 충분히 풀어낼 정도로 학습되는데 1000번 정도면 충분하다는 의도로 설정되었을거에요.

하지만 이 말이, 모든 문제가 1000번 학습이면 충분하다는 뜻은 아닙니다.

강의를 따라가시면서, 모델이 어떤 절차로 학습되는지 공부해주시면 위 코드가 매우 매끄러워지실거에요.

응원합니다.

[chongkong]

epoch는 학습 데이터 갯수에 대한 단위로 전체 학습용 데이터셋을 한 번 다 훑어보는게 1 epoch 입니다. 데이터 개수가 많으면 epoch 수가 적어도 될거구 모델의 learning rate이 작으면 또 더 많은 epoch 가 필요할거구요. 보통은 epoch 값을 직접 정하지 않고 어느정도 학습이 수렴하면 멈추도록 하는 방법을 씁니다.

[fermat39]

모든 학습에는 연습이 필요하지요...

예전에 학창시절에 공부하면서 문제집도 많이 풀어보셔을 것 같습니다.
그 때 수업을 들으시면 선생님들이 이정도는 풀어야 이해를 할 것이라는 표현도
많이 하셨을거예요...

저 코드를 작성하시고 또한 개발하신 분의 경험이 1,000정도로 하면 될 것이라고
말씀하신 것이라고 생각하시면 됩니다.

사실 다른 온라인 강의들을 보면 시간상 10, 100정도로 하는 경우도 있습니다.
podong28 님께서도 점점 경험이 쌓이시다보면 500정도로 해도 좋을 경우가 있을거예요

많이 해보시면서 느끼시는 것이 좋고, 역시 이곳에 질문하시는 것도 좋습니다!

화이팅입니다.

[hephaex]

다른 조력자 분들이 좋은 의견을 주셨는데요.

저는 얼마나 학습을 해야하는지 ML코드로 풀어서 이야기하겠습니다.

import tensorflow as tf

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

ML코드의 MNIST를 보시면 10가지 숫자를 인식할 때 epoch가 5번 model.fit(xxx,epochs=5) 데이터 셋이 약 6만개정도를 사용합니다.
학습에 사용하는 6만개의 데이터 셋에서 숫자는 종류가 10종류이기 때문에 한가지 숫자는 1 epoch당 6천번 반복하겠죠.
즉 이 MNIST 학습에 사용한 5 epoch 라는 이야기는 한 숫자에 대하여 (6000 x 5 = ) 3만번 반복 학습을 한다는 이야기가 됩니다.

학습하려는 데이터의 크기나 성격, 뉴럴넷을 어떻게 만드는지, 그리고 어떤 최적화 함수를 사용하는지에 따라 달라지겠지만,
처음 배우실 때는 대략 한가지에 3만번이상 반복해서 학습을 한다고 이해하시고 좀 더 복잡한 데이터를 다루시다 보면 이해가 높아 지실 것입니다.