ema
학습 과정에서 모델 가중치의 지수 이동 평균을 별도로 유지하는 기법이다. 최신 가중치보다 과거 가중치의 영향을 점진적으로 줄여가며 평균을 산출하여 모델의 일반화 성능을 높인다. 학습 중 발생하는 노이즈를 억제하고 추론 시 더 안정적인 결과를 제공한다.
학습 과정에서 모델 가중치의 지수 이동 평균을 별도로 유지하는 기법이다. 최신 가중치보다 과거 가중치의 영향을 점진적으로 줄여가며 평균을 산출하여 모델의 일반화 성능을 높인다. 학습 중 발생하는 노이즈를 억제하고 추론 시 더 안정적인 결과를 제공한다.