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. 전이학습을 통해 Cifar10 dataset을 Vgg16 모델에서 미리 훈련된 ImageNet 가중치를 로드하여 학습을 시키려고 하는데, 아래와 같이 모델을 구성하게 되면 훈련을 진행할 수는 있지만 전이학습의 이점을(빠른 학습 속도) 얻는 것이 어렵지 않나 생각이 되어 질문드립니다. 또한 의문이 드는 것은 VGG16의 원래 모델에서의 input size는 224 x 244 x 3로 알고 있는데 Cifar10의 image_size는 32 x 32 x 3 이라 너무 이미지가 작아서 잘 학습이 안되는 것 같다는 생각이 듭니다. 혹시 Cifar10의 이미지를 upsampling 하는 방법이나 accuracy를 높일 수 있는 다른 방법이 있을까요?   from tensorflow.keras.optimizers import RMSprop conv_base = VGG16(weights = 'imagenet', input_shape=(32, 32, 3), include_top=False) def build_model_with_pretrained(conv_base): model = Sequential() model.add(conv_base) model.add(Flatten()) model.add(Dense(256, activation= 'relu')) model.add(Dense(1, activation= 'sigmoid')) model.compile(loss = 'binary_crossentropy', optimizer = RMSprop(learning_rate = 2e-5), metrics = ['accuracy']) return modelmodel = build_model_with_pretrained(conv_base) model.summary()