YOLO_008 전이학습 to fine tuning

이번 화에서는 base_model.trainable = True를 활용하는 방법에 대해 공부한다. 모델 레이어를 파악하고, 일부 레이어를 고정시켜 나가면서 learning rate에 변화를 주어 model fine tunging 하는 방법을 알아본다. 이에 앞 서, Accuracy를 알기 위해 Reliable과 Valid에 대해 알아본다. 정확도(Accuracy)와 정밀도(Precision)의 차이점 보다, 타당성(Validarity)과 신뢰성(Reliable)이라고 하면 좀 더 구분이 잘 간다.

https://qhaireenizzati.wordpress.com/2017/11/26/validity-and-reliability/

좌측 상단부터 우측으로 1, 2, 3, 4라고 그림을 말하면 3번 그림의 경우 탄착군이 형성되었다고 한다. 미필자(군대를 안 다녀오신 분)는 킬러 영화를 볼 때, 몇 발 쏘고 크리크 조절해서 0점을 맞춘다.

---

https://youtu.be/NAEt0 SDZAzM? si=UlozbR-qALdHbCKb&t=155 155초쯤 영화 리뷰를 30초 정도 보면 0점 조절에 대해 이해가 될 것이라 생각한다. (추 후 영상 링크 깨질 시 수정해야 할 포인트로, 영상이 깨졌을 때 댓글로 처음 알려주시면 코인 티켓을 10개 보내 드리겠다)

---

오밀조밀 탄착 지점이 잘 모였다는 것은 그다음에 쏠 때도 비슷한 위치에 간다는 것이다. 그러나 애초에 과녁 중간이 아니라면 신뢰도가 있어도 타당하지는 않다. 타당한 수식을 뽑는 것이 필자의 목표이다. 그래서 accuracy는 4번의 경우가 딱 들어맞긴 하지만 1번이나 3번보다는 2번이 나은 케이스다. 한 발이라도 중앙을 맞췄고, 대부분 과녁 안으로 들어왔기 때문이다. 사진을 외부 링크롤 통해 퍼와서 그런데 2번 사진을 언제 시간이 있으면 과녁 밖으로 나간 파트는 제외하고 과녁 안으로 들어온 것으로 수정한다면 설명이 더 쉬울 것 같다. Accuracy 정확도는 과녁 안에 있을 확률이므로 Valid에 가깝다. 그러나 Validarity나 '정확도' 로만 설명할 수 없다.

y = 2x의 간단한 선형식에서 x에 1을 넣으면 2가 나온다는 것을 알고 있다. 이런 식이 없이 데이터 만으로 이런 식을 뽑아야 하는 것이 인공지능(정확히는 딥러닝) 학습 작업이며, 뽑힌 식(y=2x)이 모델이다. 해당 모델에 x 값을 넣으면 y값이 예측이 된다. 그 y 값은 그 무엇보다 타당성이 가장 먼저여야 한다. 그리고 x를 넣을 때마다 완전히 똑같은 y값이 나오면 가장 이상적이겠으나, 그렇게 되지 않으니 비슷한 y값이 나와야 한다. (여러 번 재현을 해도 같은 결과가 나오는 것이 Reliable) 그래서 accuracy는 정확도라고만 번역하는 것이 아니라 타당성과 신뢰성을 모두 포함하고 있어야 한다.

로그에서 나오는 Accuracy를 있는 그대로 적는 이유도 마찬가지다. Accuracy가 정확도로 번역이 되지만, 정확도만 이야기하면 정밀도나 타당성, 신뢰도가 모두 빠져버린다.

이 화까지 오면서 우리는 로그로 소통할 수 있게 되었다. 로그부터 바로 보도록 하자.

Epoch 1/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 112s 64ms/step - accuracy: 0.3893 - loss: 2.3310

Epoch 2/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 82s 56ms/step - accuracy: 0.6668 - loss: 1.1635

Epoch 3/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 81s 56ms/step - accuracy: 0.7668 - loss: 0.8018

Epoch 4/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 84s 57ms/step - accuracy: 0.8347 - loss: 0.5663

Epoch 5/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 81s 55ms/step - accuracy: 0.8828 - loss: 0.4036

Epoch 6/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 81s 55ms/step - accuracy: 0.9175 - loss: 0.2885

Epoch 7/50

1461/1461 ━━━━━━━━━━━━━━━━━━━━ 81s 56ms/step - accuracy: 0.9418 - loss: 0.2066

Epoch 8/50