코드 러너(Learner+ Runner)

서로 다른 도메인을 갖는 데이터셋을 효과적으로 활용하는 방법들은 상당히 많은 연구가 되고 있다. 전이 학습이라고 불리는 기술은 방대한 데이터셋에서 학습한 모델을 가져와서 일부 레이어들을 대체 혹은 신규로 추가하고, 기존 부분은 얼려서(Frozen) 파라미터가 학습되지 않게 한 후, 추가된 부분을 추가로 학습시키는 방법으로 많이 사용되고 있다. 이 전이학습의 하위 분야 중 하나로 Domain Adaptation 분야가 있어서 이를 간단하게 정리해보고자 한다. 1. 도메인 적응이 중요한 이유? 우선 시간과 리소스가 절약된다. 모든 새로운 도메인에 대해 라벨링 된 데이터를 확보하는 데는 많은 시간과 비용이 소요될 수 있다. 그러나 도메인 적응을 사용하면 방대한 레이블이 지정된 데이터 세트 없이도 기존 모델을 ..