전이학습Transfer Learning
Transfer Learning
한 작업이나 데이터에서 배운 표현과 지식을 다른 작업에 활용하는 방법이에요.
쉽게 비유하면
자전거를 타며 익힌 균형 감각이 다른 탈것을 배우는 데 도움이 되는 것과 비슷해요.
조금 더 자세히
이미 학습된 모델의 특징 추출 부분을 그대로 쓰거나, 일부 또는 전체를 새 데이터로 조정할 수 있어요.
파인튜닝은 전이학습에 자주 쓰이는 방식이지만 둘이 완전히 같은 말은 아니에요. 가중치를 고정한 채 추출된 특징만 다른 모델에 쓰는 방법도 있어요.
왜 생겼나요
매번 처음부터 모델을 학습하려면 데이터와 비용이 많이 들어서, 이미 배운 유용한 패턴을 재사용하게 됐어요.
어떻게 작동하나요
- 1. 기반 모델 선정 새 작업과 관련 있는 사전 학습 모델을 골라요.
- 2. 적용 특징을 재사용하거나 필요한 부분을 추가 학습해요.
- 3. 평가 새 작업에서도 효과가 있는지 별도 데이터로 확인해요.
활용 예시
- 일반 이미지 모델을 제품 검사에 활용
- 언어 모델을 문서 분류에 활용
- 음성 모델을 특정 환경에 맞게 조정
흔한 오해
어떤 모델이든 가져오면 도움이 되나요?
새 작업과 너무 다르면 오히려 성능이 나빠질 수도 있어요. 기반 모델의 적합성과 사용 조건을 확인해야 해요.
이렇게 쓰여요
데이터가 적은 프로젝트
“처음부터 학습하기보다 전이학습을 시도하고, 우리 데이터에서도 효과가 있는지 보자”라고 말해요.
관련 용어
함께 보면 좋은 용어
최종 업데이트