[딥러닝] Underfitting이 발생한다면?
딥러닝 학습 시 DNN 모델의 Training Loss 결과가 기대성능보다 높고, Validation Loss 역시 높을 경우, Underfitting이 발생한다고 할 수 있다. 이러한 경우 어떻게 아키텍처를 수정하는 게 좋을까? 중요 포인트는 네트워크의 Capacity를 올리는 것! 이다 FNN(Feedforward Neural Network)을 사용한 경우, (1) Epoch 수를 늘린다 (2) DropOut 적용 확률을 줄인다 (3) 레이어 당 노드 수를 늘린다 CNN(Convolutional Neural Network)을 사용한 경우 (1) Convolution 커널 수를 늘린다 (2) Convolution 레이어 수를 늘린다 (3) L2-Regularization term λ를 줄인다
Data Science&AI
2021. 5. 15. 19:30
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- pandas-ai
- 모델 배포
- Data Drift Detection
- 시계열딥러닝
- Tableau vs QuickSight
- 영화 인턴
- Concept Drift
- data drift
- On-premise BI vs Cloud BI
- Model Drift Detection
- Data Drift와 Concept Drift 차이
- Model Drift
- pandas-gpt
- 생성형BI
- amzaon quicksight
- amazon Q
- 모델 드리프트
- SQLD자격증
- 추천시스템
- 오토인코더
- NHITS설명
- AutoEncoder
- 모델 드리프트 대응법
- 최신시계열
- 비즈니스 관점 AI
- Generative BI
- SQLD 정리
- SQLD
- 영어공부
- 데이터 드리프트
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
글 보관함