개강하기 전에 시간이 남아서 기존의 모델에 몇가지를 좀더 추가해봤습니다. 우선 learning_rate를 학습횟수에 따라 줄여나가는 코드를 다시 넣었습니다. 그리고 인셉션 모듈 내부 등에 정규화시키는 tf.nn.lrn 함수를 첨가해봤습니다. 이렇게 하니 learning_rate를 굉장히 안정적인(?) 값을 넣을 수 있었습니다. 기존에는 0.000001이라는 아주 작은 숫자를 넣지 않았을 때 loss 수치가 오히려 급수적으로 커지는 문제가 발생하거나 아예 nan. 값을 반환했습니다. 하지만 저 두가지를 추가하니 0.01이라는 비교적 평범한 rate 값을 넣게되었습니다.

  두번째는 인셉션 모델이 워낙 깊다보니 처음 웨이트값과 편중치값도 단순히 랜덤으로 초기화하는 것이 좋지 못하다고 생각해서 xavier_ininitalizer를 이용하여 초기화했습니다.

  이렇게 총 3가지 정도의 변화를 주고나서 학습을 시작했습니다.  처음에는 로스 값이 2.30에서 거의 변화가 생기지 않았습니다. 정확도 역시 10퍼센트 내외로 찍는 수준에 그쳤습니다. 그러나 워낙 모델이 크기 때문에 좀더 여유를 가지고 학습을 시켜봤습니다.  한 500번 째 학습에서 로스함수와 정확도가 변화가 생겼습니다. 로스 수치가 1대로 낮아졌고, 정확도가 20퍼센트로 오르기 시작했습니다. 좋은 느낌이 들어서 노트북에 부하를 조금이나마 덜어주기 위해 모델 저장과 불러오기 기능을 추가한 후에 조금씩 시간 텀을 두면서 학습을 진행했습니다.

  한 1000회쯤 가자 로스값은 0점대로 낮아졌고 정확도는 80퍼센트 이상을 기록했습니다. 그리고 다음과 같이 4500회를 넘어가자 정확도가 100퍼센트에 자주 도달하는 것을 볼 수 있었습니다.

(왜 로스 값이 소수 셋째자리 이하부터는 표시가 되지 않을 까요...)

  개강을 바로 앞두고 별 기대를 하지 않았었는데 이렇게 뜻밖의 결과를 얻어 행복하네요. 머신러닝 공부에 대한 열의가 더 높아졌습니다.