다중 클래스 신경망 구성 요소
이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.
이 구성 요소를 사용하여 여러 값이 포함된 대상을 예측하는 데 사용할 수 있는 신경망 모델을 만듭니다.
예를 들어 이러한 종류의 신경망은 숫자 또는 문자 인식, 문서 분류 및 패턴 인식과 같은 복잡한 컴퓨터 비전 작업에 사용될 수 있습니다.
신경망을 사용한 분류는 감독 학습 방법이므로 레이블 열을 포함하는 태그가 지정된 데이터 세트가 필요합니다.
모델을 학습하기 위해 모델 및 태그가 지정된 데이터 집합을 학습 모델에 입력해서 제공할 수 있습니다. 그런 다음 학습된 모델을 사용하여 새 입력 예제의 값을 예측할 수 있습니다.
신경망 정보
신경망은 상호 연결된 레이어 집합입니다. 입력이 첫 번째 레이어이며 가중치가 적용된 가장자리와 노드로 구성된 비순환 그래프에 의해 출력 레이어에 연결 됩니다.
입력 계층과 출력 계층 사이에 숨겨진 레이어를 여러 개 삽입할 수 있습니다. 대부분의 예측 작업은 하나 또는 몇 개의 숨겨진 계층으로 쉽게 수행할 수 있습니다. 그러나 최근 연구에 따르면 여러 레이어가 있는 DNN(심층 신경망)이 이미지 또는 음성 인식과 같은 복잡한 작업에 효과적일 수 있습니다. 연속 계층은 증가하는 수준의 의미 체계 깊이를 모델링하는 데 사용됩니다.
입력 데이터에서 신경망을 학습하여 입력과 출력 간의 관계를 학습합니다. 그래프의 방향은 숨겨진 레이어 및 출력 레이어를 통해 입력에서 진행됩니다. 계층의 모든 노드는 가중치가 적용된 가장자리로 다음 계층의 노드에 연결됩니다.
특정 입력에 대한 네트워크 출력을 계산하기 위해 숨겨진 레이어의 각 노드 및 출력 레이어에 값이 계산됩니다. 이 값은 이전 계층에서 노드 값의 가중치 합계를 계산하여 설정합니다. 그런 다음 활성화 함수가 가중 합계에 적용됩니다.
다중 클래스 신경망 구성
디자이너에서 파이프라인에 다중 클래스 신경망 구성 요소를 추가합니다. 이 구성 요소는 분류 범주의 기계 학습, 초기화에서 찾을 수 있습니다.
트레이너 모드 만들기: 이 옵션을 사용하여 모델을 학습시킬 방법을 지정합니다.
단일 매개 변수: 모델을 구성하려는 방법을 이미 알고 있는 경우 이 옵션을 선택합니다.
매개 변수 범위: 최적 매개 변수를 잘 모르는 상태에서 매개 변수 스윕을 실행하려면 이 옵션을 선택합니다. 반복할 값의 범위를 선택하면 모델 하이퍼 매개 변수 튜닝이 제공된 설정의 가능한 모든 조합을 반복하여 최적의 결과를 생성하는 하이퍼 매개 변수를 확인합니다.
숨겨진 계층 사양: 만들 네트워크 아키텍처 유형을 선택합니다.
완전히 연결된 경우: 기본 신경망 아키텍처를 사용하여 모델을 만들려면 이 옵션을 선택합니다. 다중 클래스 신경망 모델의 경우 기본값은 다음과 같습니다.
- 숨겨진 레이어 1개
- 이 출력 레이어는 숨겨진 레이어에 완전히 연결됩니다.
- 숨겨진 계층은 입력 계층에 완전히 연결됩니다.
- 입력 계층의 노드 수는 학습 데이터의 기능 수에 따라 결정됩니다.
- 숨겨진 레이어의 노드 수는 사용자가 설정할 수 있습니다. 기본값은 100입니다.
- 출력 계층의 노드 수는 클래스 수에 따라 달라집니다.
숨겨진 노드 수: 이 옵션을 사용하면 기본 아키텍처에서 숨겨진 노드 수를 사용자 지정할 수 있습니다. 숨겨진 노드 수를 입력합니다. 기본값은 노드가 100개인 숨겨진 계층 1개입니다.
학습 속도: 수정하기 전에 각 반복에서 수행된 단계의 크기를 정의합니다. 학습 속도에 대한 값이 크면 모델이 더 빠르게 수렴될 수 있지만 로컬 미니마를 오버슈트할 수 있습니다.
학습 반복 횟수: 알고리즘이 학습 사례를 처리해야 하는 최대 횟수를 지정합니다.
초기 학습 가중치 지름: 학습 프로세스 시작 시 노드 가중치를 지정합니다.
모멘텀: 이전 반복의 노드에 학습하는 동안 적용할 가중치를 지정합니다.
예제 섞기: 반복하는 사이에 사례를 섞으려면 이 옵션을 선택합니다.
이 옵션을 해제하면 파이프라인을 실행할 때마다 정확히 동일한 순서로 사례가 처리됩니다.
난수 시드: 동일한 파이프라인의 실행에서 반복성을 보장하려면 시드로 사용할 값을 입력합니다.
모델을 학습시킵니다.
트레이너 모드 만들기를 단일 매개 변수로 설정하는 경우 태그가 지정된 데이터 세트와 모델 학습 구성 요소를 연결합니다.
트레이너 만들기 모드를 매개 변수 범위로 설정하는 경우 태그가 지정된 데이터 세트를 연결하고 모델 하이퍼 매개 변수 조정을 사용하여 모델을 학습시킵니다.
참고 항목
모델 학습에 매개 변수 범위를 전달하는 경우 단일 매개 변수 목록의 기본값만 사용합니다.
매개 변수 값의 단일 집합을 모델 하이퍼 매개 변수 조정 구성 요소에 전달하는 경우 각 매개 변수의 설정 범위를 예상할 때 해당 값을 무시하고 학습자의 기본값을 사용합니다.
매개 변수 범위 옵션을 선택하고 임의 매개 변수에 대해 단일 값을 입력하면 다른 매개 변수가 값 범위에서 변경되는 경우에도 지정한 단일 값이 스윕 전체에서 사용됩니다.
결과
학습 완료 후:
- 학습된 모델의 스냅샷을 저장하려면 출력 탭을 모델 학습 구성 요소의 오른쪽 패널에서 선택합니다. 데이터 세트 등록 아이콘을 선택하여 모델을 재사용 가능한 구성 요소로 저장합니다.
다음 단계
Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.