안녕하세요   이미지 데이터를 가지고 학습 및 평가를 하고 있습니다.   모델 별(ResNet, Inception 등) 전이학습을 하고 있고 데이터수는 Train(약 2000장), Valid(약 250장), Test(약 250장) 정도로   구성되어 있습니다. 이 때 질문을 드리고 싶은 것이 몇가지 있는데 초보라 모르는 것이 많아 문의를 드립니다.   많은 조언 부탁 드립니다.   1. 다음과 같이 Valid Accuracy나 Loss 가 위아래 편차가 굉장히 심한데 어떤것이 문제이며 무엇을 바꿔야 하는지 궁금합니다.   2. 위와 같은 경우에 Accuracy를 몇이라고 해야 하는 것일까요? 평균 or 최대값 or 최소값?   3. Keras(tensorflow)를 사용하여 수행중인데 Train, Valid 등은 API내에 예제가 많이 있는데 Test(Evaluation?)에 관한 코드는 잘 없는데, 보통 Valid 까지 수행하나요 아니면 Evaluation 까지 진행해야 하는 것일까요?   4. Keras API를 사용해서 전이학습을 진행중인데 아래와 같이 conv_base에서 include_top=False, conv_base.trainable=False로 해도 전이학습의 효과가 있는 것인지, conv_base의 특정 Layer 부터 동결 혹은 학습을 할 수 있는 방법이 있는 것인지 궁금합니다.     감사합니다.

안녕하세요 Pretrained model을 활용한 전이학습에서 질문이 있습니다. 기존 학습된 resnet같은 모델의 weight를 가져온다고 하셨는데 이때 해당 모델에 사용되지 않은  이미지나 학습시 데이터와 전혀 다른 음성 데이터 같은 경우를 classify하는 task에도 전이학습이 도움되는 생각해본다면 기존 거대 it기업들의 pretrained model이 그만금 feature extraction을 잘해서 그렇다고 봐도 될까요?? 즉, pretrained model의 학습에 사용되지 않은 class들을 분류할때도 pretrained model이 뛰어난 성능을 보이는 이유가 무엇인지 궁금합니다.