몇 번 반복적으로 하다보니 코드에 일부 논리적 오류가 발견되었다. 그래서 다시 튜닝하고 새로 학습을 시작했다. 기본적으로는 KFold를 적용해서 교차검증 후 각각의 폴드를 토대로 평균 앙상블을 만들도록 했다. 물론 더 좋은 방법들이 많지만 로컬 환경에서는 가벼운게 최고라고 생각했다. 평균 앙상블을 모델화 하려고 하니 계속 문제가 발생했는데, 일단 폴드에서 생성된 여러개의 모델에서 예측값을 받고 그 예측값에서 평균을 내어 결합하는 임시적인 방식을 채택했다. 더 좋은 방법이 있을 것도 같은데 고민이다. 겸사겸사 fine-tuning을 하며 파라미터를 조정하다보니, f1스코어가 괜찮게 나오기 시작했다. 특정 폴드에서만 그런 것일 수 있겠지만 이것도 모두 추출한 뒤 앙상블을 돌려보며 확인을 해봐야겠다. ML은 ..

생각보다 오래 걸렸다. 역시 맥미니로는 학습에 너무 오래 걸린다. 몇 번의 시도 끝에 적절한 옵션을 찾았다. 처음에는 마스터샷들만 학습 데이터로 활용했는데, 오버피팅 문제가 해소되지 않아서 결국 마스터샷이 아닌 데이터들도 찾아왔다. 여기서 논리적으로 모순되는 데이터들이 학습에 활용되어 결과에 대한 확신이 다소 떨어진다. 모순된다고 생각한 이유는 마스터샷에 선정된 것과 선정되지 않고 탈락한 것들로 분류가 되어야 하는데 애초에 마스터샷에 등록조차 안해본 사진들이라서 만약 이 사진이 라이카로 찍었고, LFI에 등록 신청을 해봤다 등의 변수들을 통일하지 못했기 때문이다. 2024.08.15 - [사진 이야기] - LFI(Leica Fotografie International) 선정 확률 계산기 - 1  대전제가..