728x90 반응형 tensorflow3 [인공지능] 전이 학습(Transfer Learning) 완벽 가이드: CNN 기반 Fine-tuning 및 Feature Extraction 분석 전이 학습(Transfer Learning)에 대해 깊이 있게 알아보겠습니다. 특히 이미지 인식 분야에서 강력한 성능을 자랑하는 CNN(Convolution Neural Network)을 기반으로 전이 학습의 다양한 전략을 코드와 함께 분석해 보겠습니다. 전이 학습이란?전이 학습은 사전에 훈련된 모델이 갖고 있는 지식(가중치)을 그대로 가져와 새로운 문제에 적용함으로써 학습 시간을 단축하고 성능을 향상 시키는 머신러닝 기법입니다. 사용 이유 : 대규모 데이터셋(ImageNet)으로 학습된 모델의 광범위한 특징 추출 능력을 활용하여, 더 적은 데이터와 시간으로도 새로운 문제에 대해 높은 성능을 달성하기 위함입니다. CNN과의 관계 : CNN은 여러 층을 거치며 저수준(예지, 텍스처)부터 고수준(형태, 객체.. 2025. 10. 31. [인공지능] 잔차 신경망(ResNet)으로 기울기 소실 문제 해결 개요잔차 신경망(ResNet, Residual Network)은 2015년 Microsoft Research 팀에 의해 소개된 혁신적인 딥러닝 모델입니다. 이 모델은 네트워크의 층이 깊어질수록 오히려 성능이 저하되는 성능 저하(Degradation) 문제와 기울기 소실(Vanishing Gradient) 문제를 해결하기 위해 고안되었습니다. ResNet은 잔차 학습(Residual Learning)이라는 단순하지만 강력한 아이디어를 통해, 150층 이상의 깊은 신경망에서도 안정적으로 학습하고 뛰어난 성능을 발휘하여 현재까지도 컴퓨터 비전 분야의 핵심 기술로 사용되고 있습니다. 깊이의 한계를 뛰어넘는 잔차 학습ResNet의 핵심은 Residual Learning입니다. 기존 신경망이 입력 $x$에 대해 원.. 2025. 10. 30. [NVIDIA] MIG를 활용한 고성능 컴퓨팅 환경 구축 1. Kubernetes & MIGKubernetes는 컨테이너화된 애플리케이션의 배포, 확장, 관리를 자동화하는 오픈 소스 플랫폼입니다. MIG와 Kubernetes를 통합하면 다음과 같은 이점을 얻을 수 있습니다:리소스 최적화: Kubernetes의 자원 할당 기능과 MIG의 인스턴스 분할 기능을 결합하여 GPU 자원을 최적화할 수 있습니다.유연한 스케줄링: Kubernetes의 스케줄러를 사용하여 다양한 크기의 MIG 인스턴스를 필요에 따라 유연하게 할당할 수 있습니다.자동화된 관리: Kubernetes의 오토스케일링과 자원 모니터링 기능을 통해 GPU 사용량을 자동으로 관리하고 최적화할 수 있습니다.1.1 Kubernetes 설정 예시Kubernetes 노드 설정: 각 노드에서 NVIDIA 드라이.. 2024. 7. 31. 이전 1 다음 728x90 반응형
