calculatedcontent/weightwatcher는 학습 데이터나 테스트 데이터에 접근하지 않고 신경망을 분석하는 Python 진단 도구다. 가중치 통계만으로 모델의 테스트 정확도를 예측하고 과적합 징후를 찾는 것이 목적이고, 가장 최근 릴리스는 0.7.3.5다.
사전 학습되었거나 학습 중인 pyTorch 및 Keras 모델의 Conv2D·Dense 계층을 분석해 가중치 스펙트럼을 읽고 모델 간 테스트 정확도를 비교한다. 과대학습이나 과도한 파라미터화 징후를 살펴보는 기능이 있고, 모델 압축이나 파인튜닝 과정에서 생길 수 있는 문제와 과대·과소학습 징후도 함께 탐지한다. README는 이 방법이 무거운 꼬리 자기정규화 이론(Theory of Heavy-Tailed Self-Regularization, HT-SR)에 기반한다고 밝힌다. 라이선스는 Apache-2.0이고 저장소는 2018년 11월 28일 만들어졌으며, 별 수는 1778개다.
다만 주어진 자료에는 0.7.3.5 릴리스의 변경 항목이 정리돼 있지 않다. 정확도 예측은 테스트 데이터로 잰 값이 아니라 README가 설명한 방식에 따른 추정이고, README가 분석 대상으로 든 계층은 Conv2D와 Dense로 한정된다. 다른 구조의 모델에서 예측이 얼마나 맞는지, 실제 성능과 얼마나 어긋나는지는 자료가 밝히지 않는다. 신중히 보면, 학습 데이터에 접근하지 않고 모델 상태를 훑어보는 용도에 가깝다.