게시된 날짜: Sep 8, 2022
Amazon SageMaker에서 제공하는 기본 제공 알고리즘, 사전 교육된 모델 및 사전 구축된 솔루션 템플릿은 데이터 과학자 및 기계 학습 실무자가 기계 학습 모델의 교육 및 배포를 신속하게 시작하는 데 도움이 됩니다. 이러한 알고리즘과 모델은 지도 학습과 비지도 학습에 모두 사용할 수 있습니다. 또한 테이블 형식, 이미지, 텍스트 같은 다양한 형식의 입력 데이터를 처리할 수 있습니다.
오늘부터 Amazon SageMaker에서는 이미지 분류용 신규 기본 제공 알고리즘인 이미지 분류 - TensorFlow가 제공됩니다. 이 알고리즘은 TensorFlow Hub에서 사용 가능한 여러 미리 훈련된 모델의 학습 전송을 지원하는 지도 학습 알고리즘으로, 이미지를 입력으로 가져온 후 각 클래스 레이블이 나올 확률을 출력합니다. 사용 가능한 훈련 이미지 수가 많지 않더라도 학습 전송을 사용하면 이처럼 미리 훈련된 모델을 미세 조정할 수 있습니다. 이 알고리즘은 SageMaker 기본 제공 알고리즘을 통해서는 물론 SageMaker Studio 내의 SageMaker JumpStart UI를 통해서도 사용 가능합니다.
Amazon SageMaker의 이미지 분류 TensorFlow 알고리즘은 TensorFlow Hub에서 사용 가능한 여러 미리 훈련된 모델에서 학습 전송 기능을 제공합니다. 기계 학습에서 학습 전송이란 특정 모델의 훈련 결과를 활용하여 다른 모델을 생성하는 기능입니다. 훈련 데이터의 클래스 레이블 수에 따라 미리 훈련된 TensorFlow Hub 모델에 분류 계층이 연결됩니다. 해당 분류 계층은 드롭아웃 계층과 밀집 계층(완전 연결 계층)으로 구성되며 무작위 가중치가 적용되어 초기화되는 2-norm 정규화 도우미를 사용합니다. 모델 훈련에서는 드롭아웃 계층의 드롭다웃 비율 계산을 위한 하이퍼파라미터와 밀집 계층용 L2 정규화 계수가 사용됩니다. 그 후에는 새 훈련 데이터를 적용하여 미리 훈련된 모델을 포함하는 전체 네트워크를 미세 조정할 수도 있고 최상위 분류 계층만 미세 조정할 수도 있습니다. 이 알고리즘은 사용자 지정 데이터 세트로 모델을 미세 조정하기 위한 폭넓은 훈련 하이퍼파라미터를 제공합니다.
이 알고리즘을 사용하는 방법을 알아보려면 AWS 설명서 이미지 분류 - TensorFlow 및 예제 노트북 SageMaker TensorFlow - 이미지 분류 소개를 참조하세요. 이러한 알고리즘을 사용하는 방법과 관련된 자세한 설명은 Amazon SageMaker 블로그의 TensorFlow 이미지 분류 모델용 학습 전송 기능 관련 블로그에서 확인할 수 있습니다.