ML Life Cycle
ML의 구조는 두개의 main parts 로 구성되어있는데, 첫번째는 Training phase로 machine learning model을 만들고 학습시키는 과정이다. 두번째는 Machine learning inference로 model에 실제 data를 넣어 output을 만드는 과정이다. 이 둘의 차이점은 트레이닝은 ML 알고리즘을 활용하여 모델을 만드는데 있다. training data set을 활용하고 validation으로 검증하는 deep learning으로 pytorch 나 tensorflow를 활용하는게 training이다. inference는 미리 트레이닝 된 모델을 가지고 예측하는 것이다.
Machine Learning Inference
Machine learning (ML) inference란 machine learning model을 dataset에 적용해서 output 또는 prediction 결과물을 얻는것을 말한다. output은 수치형자료, 텍스트, 이미지 등 다양한 형태로 표현된다.
ML inference 에는 3가지 요소가 필요하다. a data source, a machine learning system, data destination. data source는 다양한 자료. ML system은 알고리즘을 활용해 데이터를 분석하는데 사용한다.
'Stable Diffusion 프로젝트' 카테고리의 다른 글
Stable diffusion v2.0의 발표 (0) | 2022.11.28 |
---|---|
colab에서 dreambooth 학습 (0) | 2022.11.14 |
왜 conda venv를 쓰는지 생각 (0) | 2022.11.03 |
문제 해결방법에 대해 (0) | 2022.10.28 |
Stable diffusion 공부중 (0) | 2022.10.24 |
댓글