쿠키 기본 설정 선택

당사는 사이트와 서비스를 제공하는 데 필요한 필수 쿠키 및 유사한 도구를 사용합니다. 고객이 사이트를 어떻게 사용하는지 파악하고 개선할 수 있도록 성능 쿠키를 사용해 익명의 통계를 수집합니다. 필수 쿠키는 비활성화할 수 없지만 '사용자 지정' 또는 ‘거부’를 클릭하여 성능 쿠키를 거부할 수 있습니다.

사용자가 동의하는 경우 AWS와 승인된 제3자도 쿠키를 사용하여 유용한 사이트 기능을 제공하고, 사용자의 기본 설정을 기억하고, 관련 광고를 비롯한 관련 콘텐츠를 표시합니다. 필수가 아닌 모든 쿠키를 수락하거나 거부하려면 ‘수락’ 또는 ‘거부’를 클릭하세요. 더 자세한 내용을 선택하려면 ‘사용자 정의’를 클릭하세요.

이미지 분류 - TensorFlow 작동 방식

포커스 모드
이미지 분류 - TensorFlow 작동 방식 - Amazon SageMaker AI

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

이미지 분류 - TensorFlow 알고리즘은 입력으로 이미지를 가져와 출력 클래스 레이블 중 하나로 분류합니다. MobileNet, ResNet, Inception 및 EfficientNet과 같은 다양한 딥 러닝 네트워크는 이미지 분류의 정확도가 매우 높습니다. 1,100만 개 이상의 이미지와 거의 11,000개의 클래스가 있는 ImageNet과 같이 대규모 이미지 데이터세트를 기반으로 훈련되는 딥 러닝 네트워크도 있습니다. ImageNet 데이터로 네트워크를 훈련시킨 후에는 특정 초점을 맞춘 데이터세트에서 네트워크를 미세 조정하여 보다 구체적인 분류 작업을 수행할 수 있습니다. Amazon SageMaker AI 이미지 분류 - TensorFlow 알고리즘은 TensorFlow Hub에서 사용할 수 있는 많은 사전 훈련된 모델에서 전송 학습을 지원합니다.

훈련 데이터의 클래스 레이블 수에 따라 선택한 사전 훈련된 TensorFlow Hub 모델에 분류 계층이 연결됩니다. 분류 계층은 드롭아웃 계층, 고밀도 계층, 임의 가중치로 초기화되는 2-norm regularizer가 있는 완전 연결 계층으로 구성됩니다. 이 모델에는 드롭아웃 계층의 드롭아웃 비율에 대한 하이퍼파라미터와 고밀도 계층의 L2 정규화 인자가 있습니다. 그러면 전체 네트워크(사전 훈련된 모델 포함)를 미세 조정하거나 새 훈련 데이터의 상위 분류 계층만 미세 조정할 수 있습니다. 이 전이 학습 방법을 사용하면 더 작은 데이터세트로 훈련할 수 있습니다.

프라이버시사이트 이용 약관쿠키 기본 설정
© 2025, Amazon Web Services, Inc. 또는 계열사. All rights reserved.