1.target size -즉 이미지 사이즈인데, 이미지 사이즈가 작아질수록 손실이 생긴다. 당연하겠지 2.batch_size -이미지 target_size가 커지면 메모리 소모량이 크기때문에 batch_size를 줄여준다. 3.모델바꾸기 -EfficientNetB0이라고 하면 B1~ 점차 숫자를 늘려준다 4.augmentation -좌우위치도 영향이 감. 만약 개가 오른쪽에만 있다면? 학습할 때 우리 모델은 '개'라는 것은 오른쪽에만 있구나! 하고 인식하겠지, -평가를 할때에도 어그멘테이션이 필요한가? ㄴㄴ test나 valid 에서는 필요없지, 시간만 낭비니까 -크롭도있음. 크롭해서 주변인들을 없애는거야 ^^ 5.learning rate from tensorflow.keras.callbacks imp..