코생코사

strategy 1: 모델 전체를 학습하는 경우 (Full training)    모델 전체 학습데이터가 많은 경우 효율적 strategy 2: 일부만 학습시키는 경우 (Fine tuning)   상위는 학습시키지 않고 프리징  내 클래스와 pretrained가 비슷할 때   starategy 3: 특징 추출 부분 고정 (Feature Extraction)   분류기(FC layer)만 재학습1. 전체 학습 (Full Training)설명: 모델 전체를 학습시켜서 모든 가중치를 업데이트장점: 데이터가 많을 때 좋음(처음부터 끝까지 내 데이터에 맞는 최적의 모델을 만들 수 있음)   단점: 많은 데이터와 시간, 계산 자원이 필요(이미 잘 학습된 가중치를 처음부터 다시 학습시키기 때문에, 비효율적일 수 있음..

https://github.com/stonegyoung/Pytorch_Study/blob/master/multi_label.ipynb Pytorch_Study/multi_label.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com멀티 레이블이란?정답(라벨)이 여러 개 존재하며, 각 라벨에 대해 맞는 경우만 1로 표시하고, 아닌 경우 0으로 표시하는 리스트 형태    ex) black dress가 정답인 경우  이를 위해 출력층에서 Sigmoid 활성화 함수를 통과하며, 결과가 각 클래스(..

https://github.com/stonegyoung/Pytorch_Study/blob/master/catdog_custom_dataset%20%EB%A7%8C%EB%93%A4%EA%B8%B0.ipynb Pytorch_Study/catdog_custom_dataset 만들기.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comcustom dataset을 만들기 위해서는 세 가지 방법이 있습니다.1. 클래스 별로 폴더 구성하고 관리train/test 분리와 라벨링이 따로 필요하다(데이터셋의 ..

https://github.com/stonegyoung/Pytorch_Study/blob/master/lenet_%EA%B5%AC%ED%98%84%2BMNIST.ipynb Pytorch_Study/lenet_구현+MNIST.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com 이미지 준비전처리까지 완료된 train_loader와 test_loader를 가지고 진행합니다.2024.12.31 - [Pytorch] - [파이토치] MNIST로 이미지 데이터 처리 [파이토치] MNIST로 이미지 데..

lenet5 논문https://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf https://github.com/stonegyoung/Pytorch_Study/blob/master/lenet_%EA%B5%AC%ED%98%84%2BMNIST.ipynb Pytorch_Study/lenet_구현+MNIST.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comLenet5 모델을 만들어보겠습니다. 필요 라이브러리 임포트import torchimport torch.nn ..

https://github.com/stonegyoung/Pytorch_Study/blob/master/%EC%9D%B4%EB%AF%B8%EC%A7%80%20%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B%20%EC%A4%80%EB%B9%84.ipynb Pytorch_Study/이미지 데이터셋 준비.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com 파이토치를 사용해 CNN 모델 학습을 위한 이미지 데이터로 만들어보겠습니다. 1. 데이터 준비2. 데이터셋 객체 생성3. 전처..

데이터 전처리/증강torchvision의 transforms를 사용이미지 데이터 전처리데이터 다양성을 높이기 위해 증강 https://github.com/stonegyoung/Pytorch_Study/blob/master/%EB%8D%B0%EC%9D%B4%ED%84%B0%20%EC%A0%84%EC%B2%98%EB%A6%AC.ipynb Pytorch_Study/데이터 전처리.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com필요 라이브러리 임포트import torchfrom torchvisi..

이미지Classification: 이미지 한 장을 통째로 보고 ‘이 이미지는 무엇이다‘ 를 분류Detection: 이미지에서 특정 오브젝트를 찾는다 (대표 모델: 욜로)Segmentation: 이미지에서 특정 오브젝트를 찾고 영역을 찾는 것딥러닝데이터로부터 특징과 패턴을 학습neural network뉴런 하나 = 퍼셉트론 = unit ANN: 얕은 인공신경망 DNN: 입력층과 출력층 사이에 여러 은닉층으로 이루어진 인공신경망(비선형 활성화 함수를 추가하여 비선형 관계 모델링 가능)DNN의 문제: 이미지 처리시 이미지를 2차원에서 1차원으로 만들어 정보 손실이 생겨 이미지의 특징을 찾아내기 힘들다, 이미지 사이즈가 커지면 학습할 가중치도 증가 -> CNN (Convolutional Neural Networ..

https://github.com/stonegyoung/Pytorch_Study/blob/master/iris%20%EC%9D%B8%EA%B3%B5%EC%8B%A0%EA%B2%BD%EB%A7%9D%EC%9C%BC%EB%A1%9C%20%EB%A7%8C%EB%93%A4%EA%B8%B0.ipynb Pytorch_Study/iris 인공신경망으로 만들기.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comiris 데이터 로드sklearn의 데이터셋을 사용합니다.# 피처 4개from sklearn.d..

모델 학습을 위해 필요한 것- 손실 함수  (Loss Function)예측값과 실제값 사이의 차이를 계산  - 최적화 함수 (Optimizer)  손실 함수를 최소화 하기 위해 사용되는 알고리즘 Backpropagation으로 계산된 기울기를 사용해 가중치 업데이트   모델의 가중치 업데이트 하면서 최적화 - 에폭 (Epoch)모든 데이터셋을 한 번 학습하는 횟수 - 학습률 (Learning rate)학습을 얼마나 빨리 시킬건지 필요 라이브러리 임포트import torchimport torch.nn as nn# 최적화함수를 위해import torch.optim as optim  최적화함수 -> Adam손실함수 -> 크로스엔트로피에폭 -> 100학습률 -> 0.001# 최적화함수, 학습률optimizer ..