한 회사에서 SageMaker 이미지 분류(ImageNetV2 CNN)를 사용하지만, 모델이 덜 일반적인 동물 종을 많이 놓친다는 것을 발견했습니다. 그들은 희귀종의 레이블이 지정된 이미지 10,000개를 S3에 수집했으며, Pipe 모드를 사용하여 훈련할 계획입니다. ML 엔지니어는 어떤 단계 조합을 수행해야 할까요? 두 가지를 선택하세요.

SageMaker의 내장 이미지 분류 알고리즘은 훈련 데이터에 대한 .lst 파일이 필요합니다. 이 파일은 각 이미지 파일의 경로와 해당 클래스 레이블을 매핑합니다. 따라서 .lst 파일을 생성하여 S3에 업로드하는 것이 필수적인 단계입니다. 모델이 희귀종을 놓치고 있고 새로운 희귀종 데이터가 있으므로, 기존 모델을 새로운 데이터로 미세 조정하는 전이 학습이 효과적인 전략입니다. 이는 모델이 이미 학습한 일반적인 특징을 활용하면서 희귀종에 대한 성능을 향상시킵니다. ResNet 아키텍처를 처음부터 훈련하는 것은 10,000개의 이미지로는 충분하지 않으며, Inception 모델을 사용하는 것만으로는 희귀종 문제를 해결하기 어렵습니다. JSON Lines 형식의 증강 매니페스트 파일은 SageMaker의 이미지 분류 알고리즘에서 직접 지원되지 않습니다.