분류 전체보기96 고급 합성곱 신경망 ① 학습 목표 CNN 디자인 패턴 다루기 LeNet, AlexNet, VGGNet, GoogLeNet, ResNet 등의 신경망 구조 이해하기 학습 내용 다섯가지 최신 합성곱 신경망 구조를 살펴본다. 1. CNN의 디자인 패턴 CNN을 이용한 딥러닝 모델 설계 시 사용하는 기존 패턴 구조 첫번째 패턴 - 특징 추출과 분류 합성곱 신경망은 크게 특징 추출을 맡는 부분과 분류를 맡는 부분으로 나뉨 특징 추출을 맡는 부분은 일련의 합성곱층(CNN), 분류를 맡는 부분은 전결합층(FC Layer)으로 구성됨 LetNet, AlexNet, 인셉션, ResNet 거의 모든 합성곱 신경망이 이 구조를 따름 두번째 패턴 - 이미지 깊이는 증가, 크기는 감소 모든 층의 입력은 이미지 각 층은 이전 층에서 생성된 새로운 .. 2024. 4. 17. 하이퍼파라미터 튜닝 ② [CIFAR-10] Baseline 정보GPU : T4x2모델- resnet50 사용- IMAGENET1K_V1 으로 가중치 초기화- 최종 분류기의 output 차원을 class 수에 맞게 변경from torchvision.models import resnet50, ResNet50_Weights# ImageNet 데이터로 사전학습시킨 가중치를 불러오기.model = resnet50(weights=ResNet50_Weights.IMAGENET1K_V1)epochs = 3batch_size = 128lr=1e-3optimizer: SGD 데이터 증강 기법우선 255로 나눠서 0~1 범위로 만들기아래 Data Augmentation 기법을 사용하였으며, pytorch 공식 documentation을 참고https://pytorc.. 2024. 4. 17. 하이퍼파라미터 튜닝 ① 학습 목표 성능 지표 정의하기 베이스라인 모델 정의하기 학습 데이터 준비하기 모델을 평가하고 성능 개선하기 학습 내용 빠르고 효율적으로 동작하는 딥러닝 시스템을 만드는 방법과 결과를 분석하고 성능을 개선하는 방법을 살펴봄 1. 성능 지표란? 성능 지표를 통해 시스템을 평가할 수 있음 모델의 성능을 평가하는 가장 간단한 수단은 정확도 정확도는 모델의 예측이 정답과 일치한 비율로 정의 예) 100개의 입력 표본을 대상으로 90개에 대해 모델이 정확한 예측을 내렸다면 이 모델의 정확도는 90% (1) 정확도가 가장 좋은 평가 지표인가? 문제마다 적절한 평가 지표가 존재함 (2) 혼동행렬(confusion matrix) 혼동행렬은 모델의 분류 결과를 정리한 표 어떤 오류가 치명적인가? → 위양성 결과보다 위음성.. 2024. 4. 17. CNN(합성곱 신경망) ④ [Digits] CNN을 사용한 이미지 분류 인공지능 분류 문제에 대표적으로 사용되는 MNIST 손글씨 데이터셋을 사용 본 데이터셋은 28x28 형태의 이미지 데이터를 1D로 펼친, 총 784차원의 1D vector 형태로 표현 CNN 학습을 위해서는 1D 형태의 데이터를 2D형태로 변환 0~9, 총 10개 class 중 하나로 분류 Baseline 정보 epochs = 1 batch_size = 128 lr=1e-3 optimizer: Adam 0. 필요한 함수 Import import numpy as np import pandas as pd import torch from tqdm import tqdm import random import os random_seed= 42 random.seed(random_seed).. 2024. 4. 17. 이전 1 ··· 10 11 12 13 14 15 16 ··· 24 다음
