좋은 데이터는 당연히 필수인데(정확하고 깔끔한 전처리), 또 하나 중요한 게 바로 이 Early Stopping(미리 끊기?)임.

인공신경망 모델은 학습을 하는 과정이 특정 입력과 출력의 함수를 근사시키기 위해 조금씩 조금씩 기울기를 조정하는 건데,

저 그림을 보면 맨 왼쪽이 학습이 아직 안 된 상태고, 중간이 학습이 잘 된 상태로서 일반화(배우지 않은 것을 예측하는) 능력이 좋은 최상의 상태임

그런데 맨 오른쪽을 보면 Overfitting이라고 해서 너무 과하게 딱 들러붙은 상태를 말하는데, 같은 학습데이터로 에폭만 오지게 늘려 버려

발생하는 현상 중의 하나로, 학습데이터 외의 것은 전혀 정답을 내보내지 못하고 바보가 되는 상태를 말함

만약 RVC에서 저 상태가 되면 발음이 뭉개지거나 잡음이 들리거나 갑자기 이상한 음이 틱틱 튀는 등의 엉망진창 현상을 볼 수 있음

왜냐하면 학습데이터에 없는 패턴을 요청 받으면 얘는 어떻게든  학습한 데이터 패턴 내에서만 정답을 찾아내려 온 힘을 다 하다보니 정답과는 먼 패턴들을 내보내는 거

아무튼 그래서 이걸 해결하는 방법이 여러 가지가 있겠는데, 가장 쉬운 방법이 딱 두 개임.

1. 질 좋고 정말 다양한 패턴의 학습데이터를 최대한 많이, 더 많이 구한다.

2. 맨 위에서 설명한 Early Stopping으로 과적합(Overfitting)되기 직전에 학습을 종료한다.

1은 알아서 하고, 2에 대해서 설명하자면 간단함.

저 텐서보드를 활성화하고 실시간으로 Loss(낮으면 학습이 되고 있다는 증거)가 감소하는 정도를 확인하고,

그래프 상에서 움푹 패인 절벽 구간을 찾아내고 그 구간에서 중단하는 거임.

로스가 가장 낮은, 학습이 가장 잘 된 상태에서 학습을 중단하는 거지.

자세한 내용은 이 사이트에도 있음

https://rvc-models.com/t/how-to-create-a-rvc-model-tutorial/11