한빛미디어

* 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

리뷰하기에 앞서서...

사실 저는 fastai API를 쓸 일이 없다고 생각했습니다. Scratch로 구현할 수 있기 때문이기도 하지만, API를 활용하면 API가 지원하지 않는 최신 모델들과는 호환성이 떨어진다고 생각했기 때문이기도 합니다. 보통 그러한 이유로 저는 PyTorch를 베이스로 모델을 구성하고, optuna/ray 등으로 하이퍼파라미터 서치를 하는 경우가 많았습니다.

​

그럼 왜 fastai?

베이스라인을 구성하는 데에는 이만큼 적합한 것이 없습니다. 리서치 환경에서의 Static data가 아닌 Flow data를 다루고, Cutting-edge architecture와 SOTA 모델을 목표로 하는 것이 아닌 이상 fastai는 정말 빠르고, 간결하고, 편리한 API임에 분명합니다.

​

이 책은...

결론부터 말하자면 정교하고, 그 내용이 결코 얕지 않은 책입니다.

​

많은 번역서에서 나타나는 과대번역(Leaky ReLU를 누설 렐루함수라고 번역하는 경우도 봤습니다.) 문제는 심하지 않은 편입니다. 오히려 영어 원문 그대로의 표기를 활용하는 것이 의사소통의 측면에서 정확하다는 생각을 많이 하곤 하는데, 이 책에서는 지나치게 한글 표현을 사용하려고 애쓰다 보니 발생하는 어색한 번역을 찾아볼 수 없었습니다.

​

저는 개인적으로 ~교과서 라는 제목의 입문서를 썩 좋아하지 않습니다. 간혹 유명한 모델들의 설계도를 그려 놓고서, 이대로 건축을 해봤더니 잘 되는군요! 라고 말하는 경우가 있기 때문입니다. 장기적으로는 이 책처럼 "왜 이러한 설계를 해야 하는가?"라는 Intuition이 훨씬 중요하다고 생각합니다. 아키텍처에 따라 달라지는 Data flow, 혹은 Data의 Geometric Structure(혹은 Topology)를 직관적으로나마 파악하는 것이 훨씬 중요하다고 생각합니다.

​

이 책은 그러한 욕구를 충족시키기에 충분한 것 같습니다. Pytorch를 활용한 딥러닝 구조 설계 파트와 fastai의 철학을 설명하는 두 파트로 나누어 볼 수 있는데, Pytorch를 활용한 딥러닝 구조 설계 파트에서는 Kaggle Notebook을 여러 번 필사하다 보면 경험적으로 알게 되는 디테일들이 풍부하다고 생각합니다. fastai의 API를 활용하는 11장의 파트가 조금 더 길었으면 참 좋았겠다는 생각이 들기도 하지만, fastai API 입문으로는 충분하고 fastai docs를 보면서 빠르게 적용해 볼 수 있도록 초석을 잘 다져 놓았다는 생각이 들었습니다.