Model Trainer 구성 요소

딥러닝 Model Trainer를 개발할 때 참고하기 위해 필요한 구성 요소들을 간단하게 정리했습니다. Model Trainer의 구성은 데이터 불러오기, 모델 만들기, 모델 학습 및 평가, 모델 저장 등 크게 네 가지로 나눌 수 있습니다. 세부사항은 개발자의 요구사항에 따라 다를 것으로 생각됩니다.

Model Trainer 구성 요소

---

1. 데이터 불러오기

• 이미지 데이터 또는 TFRecord 데이터 불러오기
• tf.data API를 이용해 Generator 형식으로 데이터셋 만들기
• 일정 비율(6:2:2)에 따른 학습용, 검증용, 시험용 데이터셋 분할하기
• 데이터셋에 대한 shuffle, batch 등 설정하기

2. 모델 생성

• TensorFlow 또는 Keras를 활용하여 신경망 만들기
• 레이어 종류 및 개수, 뉴런 개수, 활성화 함수 설정하기
• 성능측정지표, Loss 함수, Optimizer 결정하기

3. 모델 학습 및 평가

• epoch, step 설정하기
• Learning rate 설정하기 : learning rate, decay step, decay rate 등
• 학습 시 콜백 함수 설정하기 : early stopping, check point 등
• 학습용, 검증용 데이터셋을 이용하여 모델 학습 진행
• 시험용 데이터셋을 이용하여 모델 평가 진행

4. 모델 저장 및 사용

• 모델 저장 : model.save()
• 모델 사용 : TFServing, tensorflow.keras.models.load_model()