Naver AI Boost Camp/캠퍼 기록

[U-NLP] 7일차 회고 : 모임이 너무 많았던 하루..

조녁 2021. 9. 14. 23:42
반응형

 

 

 

안녕하세요!!

27년차 진로탐색꾼 조녁입니다!!

 

오늘은 공부를 많이 못했는데 특이하게 피곤하네요 .. 트릭인가..

무튼 그래서 하루를 돌아보면 오전에 아침 묵상 줌모임(45분)하고, 밥먹고 하루를 시작했는데

오전에 선택과제 본거랑 오늘 강의 들었던 것 이후론.. 1시~2시(명훈님 논문 스터디) -> 2시 ~ 3시 15분(팀 이름 정하기, P stage 시작전 해야할 일 정하기) -> 3시 30분 ~ 6시 5분(피어세션) -> 8시 ~9시 10분(한국어임베딩 스터디) ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ

 

어이가 없군... 

이렇게 회의 혹은 모임이 많았던 날은 또 오랜만 인것 같네요. 무튼 그래서 오전 시간 이후론 강의들을 시간(계속 뭘 듣긴 했지만..)이 정말 부족하더라고요. 머릿속에 떠다니는 건 많은데 오늘 뭘했냐라고 물으면 분명 힘들었는데 할 말이 없네요 ...

 

1. 오늘 배운 내용 정리

https://www.notion.so/jonhyuk0922/U-NLP-7-Self-supervised-Pre-training-Models-39aa1de798704a29817a2883654bbc28

 

[U-NLP 7일차] Self-supervised Pre-training Models

Self-supervised pre-training models : GPT-1 , BERT , GPT-2

www.notion.so

(해야하는 내용들) : 트랜스포머 , 버트 , GPT1 , ElMo , ... 주말아 부탁해 오늘도 내가 미안하다..

 

 

2. 질문 & 답변

- ALBERT 에서 factorized embedding 하면 메모리 사용이 더 늘어나는 게 아닌가??

 

- 프리 트레인할때 배치사이즈가 클수록 좋다는데 왜 실제로 해보면 일정 이상 커지면 성능이 저하될까??

(범진님 답변) : 프리트레인때는 파라미터수도 많고 데이터도 많지만 , 우리가 학습할때 사용하는 데이터가 적거나 , 파라미터수가 작다면 일정 배치 이상 커지면 과대적합되서인 것 같다!! (맞는 것 같다!..)

 

 

3. 나중에 보면 좋을 자료들 

- 9월에 여유있을 떄 보면 좋을 것 같다. (봐야한다)

  1. Huggingface Tutorial step by step: https://huggingface.co/course/chapter0?fw=pt
  2. Huggingface Examples: https://huggingface.co/transformers/notebooks.html
  3. Bert 강의: https://tacademy.skplanet.com/live/player/onlineLectureDetail.action?seq=164

 

4. 회고

모임이 너무 많다. 줄일 수 있는 방법 혹은 , 줄이지 못한다면 그 모임들을 잘 정리해서 내것으로 만드는 것이 필요해보인다.

1. 우선, 명훈님 강의 이전에 피피티한번 보면서 질문을 꼭 만들어가자. 그리고 발표해주시는 내용들 잘 정리하자!

2. 피어세션 때 나오는 이야기들 잘 적어두기! 그리고 논문 리뷰 & 모더레이터 발표해주신 자료들 자기전에 복습하고 자자. 

3. 모든 모임 전에 몇가지 생각해보고 가자.( 내가 얻을 수 있는 것이 무엇인지 , 내가 준비해가면 더 좋을 것이 있는 지, 내가 어떤 말을 할 것인 지) 

 

내일은 위에 써놓은 회고대로 모임을 좀 더 집중해봐야겠다. 그리고 코어타임 내에 강의 들을 시간이 부족하다면, 1.2배속으로 듣되 좀 더 집중해서 들어보자 (강의 듣기전 피피티 한번씩 보기, 질문을 미리 가져보고 그것에 답하며 강의듣기)

 

무엇보다 코드 실습 & 과제할 때 궁금하면 넘어가지 말기 , 이해한대로 주석달면서 공부하기

그리고 다양한 환경에 익숙해질 수 있도록 최대한 코랩환경에서 피하기!!

 

 

오늘의 피드백

+) 아침에 일찍일어나서 계획대로 하루를 시작함

-) 오랜만에 일찍일어나니 컨디션 난조에 .... 딜레마다.

반응형