• Model : ResNet, RNN, CNN,... etc
• Loss : 평가
• Optm : 최적화
• Loss → Optm : 정답과 예측한 Label의 차이를 가지고 최적화를 시킴

딥러닝 구조 예시

• ex) 학생이 문제를 푼다.
• Data :문제집 한권, Model : 학생의 머리
• logit : 학생이 푼 정답
• Loss : 학생이 푼 정답과 실제 정답을 비교
• Optm : 왜 틀렸는지 분석하고 다시 학습

Data

• 학습 시키기 위한 데이터
• 데이터가 생성되고, 데이터에 Transform 변형을 준다거나 모델에 들어가기 전에 데이터 전처리가 들어간다.
• 이 때 들어갈 때는 Batch로 만들어서 Model에 넣어줌
• Batch 란? → 데이터를 실시간으로 처리하는 것이 아닌 일괄적으로 모아서 처리하는 작업을 의미

Model