예제: 훈련 및 검증 곡선 보기 - Amazon SageMaker AI

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

예제: 훈련 및 검증 곡선 보기

일반적으로 모델을 훈련하는 데이터는 훈련 및 검증 데이터세트로 분할합니다. 훈련 세트를 사용하여 훈련 데이터세트에 대한 예측을 수행하는 데 사용하는 모델 파라미터를 훈련합니다. 그런 다음 검증 세트에 대한 예측을 계산하여 모델이 얼마나 잘 수행되고 있는지 테스트합니다. 훈련 작업의 성능을 분석하려면 일반적으로 검증 곡선을 기준으로 훈련 곡선을 그래프로 작성합니다.

시간의 흐름에 따른 훈련 및 검증 세트 둘 다에 대한 정확도를 보여주는 그래프는 모델의 성능 향상에 도움이 될 수 있습니다. 예를 들어, 훈련 정확도가 시간이 흐름에 따라 점점 증가하지만 일부 지점에서 검증 정확도가 떨어지기 시작하면 모델이 과적합일 수 있습니다. 이 문제를 해결하려면 사용자는 정규화를 늘리는 등의 방법으로 모델을 조정합니다.

이 예제에서는 SageMaker AI 노트북 인스턴스의 노트북 예제 섹션에서 Image-classification-full-training 예제를 사용할 수 있습니다. SageMaker 노트북 인스턴스가 없는 경우 자습서를 위해 Amazon SageMaker 노트북 인스턴스 만들기의 지침에 따라 노트북 인스턴스를 하나 생성합니다. 원할 경우 사용자는 GitHub의 예제 노트북에서 End-to-End Multiclass Image Classification Example를 따를 수 있습니다. 또한, 훈련 데이터와 모델 출력을 저장하려면 Amazon S3 버킷도 필요합니다.

훈련 및 검증 오류 곡선을 보려면

  1. https://console.aws.amazon.com/sagemaker SageMaker AI 콘솔을 엽니다.

  2. 노트북 및 노트북 인스턴스를 차례로 선택합니다.

  3. 사용하려는 노트북 인스턴스를 선택한 후 열기를 선택합니다.

  4. 노트북 인스턴스의 대시보드에서 SageMaker AI 예제를 선택합니다.

  5. Amazon 알고리즘 소개 섹션을 확장한 후 Image-classification-fulltraining.ipynb 옆의 사용을 선택합니다.

  6. 복사본 생성을 선택합니다. SageMaker AI는 노트북 인스턴스에서 Image-classification-fulltraining.ipynb 노트북의 편집 가능한 사본을 생성합니다.

  7. 노트북의 모든 셀을 추론 섹션까지 실행합니다. 엔드포인트를 배포하거나 이 예제에 대한 추론을 얻을 필요가 없습니다.

  8. 훈련 작업이 시작된 후에는 https://console.aws.amazon.com/cloudwatch에서 CloudWatch 콘솔을 엽니다.

  9. 지표 탭을 선택한 후 /aws/sagemaker/TrainingJobs를 선택합니다.

  10. TrainingJobName을 선택합니다.

  11. 모든 지표 탭에서 노트북에서 생성한 훈련 작업에 대한 train:accuracy 지표와 validation:accuracy 지표를 선택합니다.

  12. 그래프에서 지표 값을 보려는 영역을 선택하여 확대합니다. 다음과 같은 예제와 같은 것이 표시되어야 합니다.

    그래프에서 영역을 확대했습니다.