[딥러닝 개념 정리] Inference? 딥러닝에서 Inference란?

 

이번에는 딥러닝에서 자주 사용되는 단어인, Inference 에 대해서 알아보겠습니다.

 

1. Inferecne란? 딥러닝에서 Inference란?

- Inference는 우리말로 "추론" 이라고 번역됩니다. 딥러닝에서 Inference, 즉 딥러닝에서의 추론이란 학습된 결과물을 바탕으로 새로운 입력 데이터에 대해 추론(Inference)하는 것을 의미하는 것이라고 생각할 수 있는데요.

 

- 딥러닝에서 Inference는 학습된 모델을 사용해 새로운 데이터에 대한 예측(Prediction), 분류(Classification), 기타 결정을 내리는 과정을 말합니다. 즉, 모델이 학습 과정을 마치고, 새로운 입력 데이터에 대해 출력값을 생성하는 단계를 말합니다.

 

 

2. Inference의 특징과 과정

- 학습된 파라미터 : Inference는 이미 학습된 모델의 파라미터(가중치와 편향)을 사용합니다. 

- 새로운 데이터에 대한 처리 : 학습 과정에서 본 적이 없는(사용된 적이 없는) 새로운 데이터에 대해 모델이 어떻게 작동하는지를 보여주는 과정입니다. 이를 통해 학습된 모델이 얼마나 일반화(Generalization)를 잘하는지를 알아볼 수 있습니다.

- Inferecne 과정

 a) 입력 데이터 준비 : 새로운 입력 데이터를 모델이 처리할 수 있는 형태로 준비, 즉 전처리(Pre processing)을 해주는 과정입니다.(데이터의 크기를 조정, 학습이 잘 되도록 정규화 등)

 b) 모델에 입력 : 전처리된 데이터를 모델에 입력하고, 모델이 출력값을 생성하도록 합니다.

 c) 출력 처리 : 모델의 출력을 해석하고, 필요한 후 처리를 수행합니다.(ex. softmax를 통한 확률 값의 해석, 확률 값 중 threshold를 넘는 값 또는 가장 큰 확률 값에 대해 특정 Class로 처리 등)

 d) 결과 해석 : 도출된 최종 결과를 해석하고, 이를 바탕으로 의사결정을 내리거나 보조적인 도구로서 활용합니다.