안녕하세요.
관련 전공자는 아니고 진짜 하나도 모르는 타전공 대힉원생입니다.
MNIST data set 등으로 신경망 훈련/학습을 해보았는데요,
이때는 굉장히 많은 훈련/학습 표본이 있잖아요?
그런데 만약에 훈련 표본이 10개 (예를 들어 숫자 0~9 손글씨 각 1개씩), 테스트 표본이 5개 라고 해도
신경망 학습과 훈련을 했다고 할 수 있나요?
신경망 학습/훈련을 진행하였다. 라고 할 수 있는 데이터셋의 수가 일반적으로 어느정도를 말하는지 궁금합니다!
5개 부분은 뭔말인지 모르겠음 데이터셋의 수로 판단하기 보단 성능으로 판단합니다 mnist 구분 정확도가 만약 10퍼다 그러면 학습이 안된거죠 걍 찍은 거니깐 그 이상이면 20퍼라도 학습이 된거죠
훈련은 0~9 표본으로 하고 테스트는 0~4로 한다는거임? 0~4만 구분하려는거면 상관은 없는데 굳이 5~9를 학습하는 이유가 없음
두 선생님 모두 답변 감사드립니다! 제가 만든 광센서 소자로 0~9 빛 패턴을 감지한 훈련 데이터와 테스트 데이터가 있습니다. (훈련 데이터: 0~9 각 1개씩, 총 10개 데이터 // 테스트 데이터: 0~3 각 1개씩 총 4개 데이터) 위 데이터 셋으로 훈련/학습을 하여서 마지막에 광센서 연구의 활용처를 간략히 제시하려고 하는데, 실제 센싱을 해야하다 훈련 데이터가 10개로 매우 적은 편입니다. (MNIST 등은 몇만개 정도인것에 비하면 너무 적다고 생각합니다.) 그래서 10개로 진행한 학습도 학습이라고 말할 수 있는 것인가에 대해서 궁금했습니다. 만약 10개가 학습이라고 불리기 어렵다면 해당 demonstration을 진행하지 않으려고 합니다.
그정도면 절대 학습 안됩니다! 빛 패턴이 뭔지는 몰라도 mnist같은 간단한 이미지도 6만장으로 학습하는데 10개면 절대 안됩니다 데이터 증강을 해도 워낙 적어서 절대 안될듯 데이터를 확보하는게 먼저일거 같아요
확률공간을 맵핑하는거라 그 패턴의 이미지 한 두 장으로는 학습 어려울듯
물론 학습은 시킬 수 있지만 성능이 안나올거임
그 분야를 few shot learning 이라고 하는데, 간결한 방법부터 더럽게 복잡하고 느려터진 방법까지 다양하게 있음.
few-shot learning. 사전학습된 모델 써야할듯 - dc App