lesson1Title

lesson2Title

lesson3Title

lesson4Title

lesson5Title

lesson6Title

lesson7Title

lesson8Title

lesson9Title

aiFineTuningApplicationChapter3Title

lesson10Title

lesson11Title

lesson12Title

aiFineTuningApplicationChapter1Title

aiFineTuningApplicationChapter2Title

# 하이퍼파라미터 설정하기

학습 성과에 중요한 영향을 미치는 매개변수, 하이퍼파라미터를 설정해 보겠습니다.

![thumbnail-600](https://academy.codefriends.net/assets/ai/fine-tuning/application/hyperparameter-demo.png)

<br />

## 실습

1. **옵션 설정**: `STEP 2` 섹션에서 우측 슬라이더를 조절하거나 직접 숫자를 입력합니다.

2. 아래 표를 참고하여 적절한 하이퍼파라미터를 설정해봅니다.

| 하이퍼파라미터 | 낮을 때                             | 높을 때                             |
|----------------|-------------------------------|------------------------------------|
| 에폭 수        | 모델이 충분히 학습되지 못할 수 있음      | 모델이 과적합될 가능성 증가              |
|                | 빠른 학습 시간                    | 긴 학습 시간                         |
| 배치 크기      | 메모리 요구량 낮음                   | 메모리 요구량 높음                     |
|                | 불안정한 학습 곡선                 | 안정적인 학습 곡선                     |
| 학습률         | 학습 속도가 느림                    | 학습 속도가 빠름                       |
|                | 과적합 발생 확률 증가             | 과소적합 발생 확률 증가                 |

학습률이 너무 높으면 모델이 너무 빠르게 최적화를 시도하기 때문에 최적의 값을 찾기 어려워집니다. 이로 인해 모델이 과소적합될 가능성이 높아집니다.

### 일반적으로 학습률이 너무 높을 경우 과적합이 발생할 확률이 높아진다.

하이퍼파라미터 설정하기

실습

일반적으로 학습률이 너무 높을 경우 과적합이 발생할 확률이 높아진다.

새 모델 만들기

학습 데이터 (JSONL 데이터)

하이퍼파라미터 설정

하이퍼파라미터	낮을 때	높을 때
에폭 수	모델이 충분히 학습되지 못할 수 있음	모델이 과적합될 가능성 증가
	빠른 학습 시간	긴 학습 시간
배치 크기	메모리 요구량 낮음	메모리 요구량 높음
	불안정한 학습 곡선	안정적인 학습 곡선
학습률	학습 속도가 느림	학습 속도가 빠름
	과적합 발생 확률 증가	과소적합 발생 확률 증가