도움이 되셨다면, 광고 한번만 눌러주세요. 블로그 관리에 큰 힘이 됩니다 ^^ 기존에 내가 하던 방식은 일일히 계산을 하였지만, 역시 찾아보면 다 있는 것 같다. from sklearn.utils.class_weight import compute_class_weight label = [0] * 100 + [1] * 50 + [2] * 5 compute_class_weight(class_weight = "balanced" , classes=np.unique(label), y = label) 보통 이걸 쓰는 이유는 class 의 imbalance할 때 class에 따른 가중치를 부여하고 싶을 때 사용한다. from sklearn.linear_model import LogisticRegression clf =..

여러 가지 경우의 수가 있지만 정리 1. 가중치 초기값을 selu이고, lecun uniform / lecun normal 줬을 때 ====> 더 좋다고 알려진 glorot uniform / glorot normal로 수정함. ---> 실제로 바꾸고 나서 효과를 본 것 같기도 함 2. Loss 부분에 tf.reduce_sum을 했을 때 문제 발생하는 것 같음. ====> 그래서 tf.clip_by_value를 줘서 0 이상으로 주니 에러가 안 생김 3. tf.nn.loss 가 nan 발생하는 경우가 자주 있음 https://data-newbie.tistory.com/270 TensorFlow L2 Normalization 쉽게하기 https://stackoverflow.com/questions/38286..