한국어
메뉴

머신러닝의 기초

10,000건의 학습용 데이터를 미니배치 크기(배치 크기) 50으로 학습한다. 1에폭에서의 가중치 갱신 횟수는?

  1. A50회
  2. B200회
  3. C2000회
정답과 해설 보기

정답: B. 200회

1에폭은 학습용 데이터 전체를 한 차례 다 사용할 때까지의 학습 단위입니다. 미니배치 학습에서는 미니배치마다 기울기를 구해 가중치를 1회 갱신하므로, 1에폭에서의 갱신 횟수(이터레이션 수)는 10000 ÷ 50 = 200회입니다. 10에폭 학습하면 갱신은 합계 2000회가 됩니다. 미니배치 학습은 전체 데이터로 1회만 갱신하는 배치 학습과, 1건마다 갱신하는 온라인 학습의 중간 방법입니다.

이 분야 연습하기 분야로 돌아가기

머신러닝의 기초의 다른 문제

  1. 입력이 64개, 출력이 32개인 완전 연결층(각 출력에 바이어스가 1개씩 있다)의 학습하는 파라미터 수는?
  2. 28×28의 1채널 이미지에 5×5 필터로 합성곱(스트라이드 1, 패딩 없음)을 수행하고, 이어서 2×2 최대 풀링(스트라이드 2)을 수행한다. 출력의 세로와 가로 크기는?
  3. 순환 신경망(RNN)과 LSTM에 대한 설명으로 적절한 것은?
  4. Transformer에서 사용되는 셀프 어텐션(자기 주의 메커니즘)에 대한 설명으로 적절한 것은?
  5. 대량의 데이터로 학습을 마친 모델을 다른 과제에 적은 데이터로 활용하는 전이 학습에 대한 설명으로 적절한 것은?