에포크 (인공지능) 편집하기

에포크(epoch)는 머신러닝 또는 딥러닝 모델 학습에서 '''전체 훈련 데이터를 한 번 전부 신경망에 통과시켜 처리하는 과정'''을 의미하는 하이퍼파라미터이다.
==정의==
에포크(epoch)란 훈련 데이터 전체를 한 번 모델에 입력하여 순전파와 역전파를 통해 가중치를 업데이트하는 과정을 말한다. 즉, 데이터셋 전체가 한 차례 네트워크를 통과하는 시점 하나를 에포크 하나로 간주한다.
==역할과 중요성==
에포크 수는 모델의 학습 과정 및 성능에 직·간접적인 영향을 미친다:
*너무 작은 에포크 수는 모델이 충분히 학습되지 않아 과소적합(underfitting)이 발생할 수 있다.
*반대로 너무 많은 에포크 수는 모델이 훈련 데이터에 과도하게 적합(overfitting)될 위험이 있다.
*일반적으로 '''배치 크기(batch size)''', '''학습률(learning rate)'''과 함께 조정되는 핵심 하이퍼파라미터이다.
*배치, 반복, 에포크 관계
**[[이터레이션 (인공지능)|Iteration (반복)]]: 하나의 배치를 처리하고 나서 가중치를 한 번 업데이트하는 단위.
**에포크 (Epoch): 전체 훈련 데이터가 배치 단위로 나뉘어 한 번씩 처리되는 기간.
*예를 들어, 훈련 데이터 1,000장이 있고, 배치 크기가 100이면,
**한 에포크는 10번의 iteration을 포함함.
**10번의 iteration을 거치면 에포크가 1회 완료됨.

*이러한 관계 때문에 에포크는 “한 세트를 전부 소화한 단위”로 이해할 수 있다.
==학습 예시==
한 에포크 동안의 데이터 흐름 예시

1. 전체 데이터가 여러 배치로 나뉨 (예: 배치 크기 = 32) 

2. 각 배치를 순차적으로 모델에 입력하여 순전파 및 역전파 수행 

3. 배치를 처리할 때마다 가중치를 업데이트(iteration마다) 

4. 모든 배치를 처리하면 에포크 1회 완료

이 과정을 여러 번 반복하면서 모델은 점차 학습되고 성능이 개선됨.
==같이 보기==
*[[배치 (인공지능)]]
*[[하이퍼파라미터]]
*[[과소적합]]
*[[과적합]]
*[[경사하강법]]
*[[추론 (인공지능)]]
==각주==
[[분류:인공지능]]