skawlsgus2 님의 블로그

https://github.com/ackrilll/TransferLearning GitHub - ackrilll/TransferLearningContribute to ackrilll/TransferLearning development by creating an account on GitHub.github.com 이번 포스팅에서는 모델을 훈련시키고  평가용 데이터 셋으로 정확도를 확인해 보겠다. 1. 모델 학습 및 평가# 모델 학습 함수 정의 def train_model(model, criterion, optimizer, scheduler, num_epochs=10): train_losses = [] val_losses = [] train_accuracies =..

https://github.com/ackrilll/TransferLearning GitHub - ackrilll/TransferLearningContribute to ackrilll/TransferLearning development by creating an account on GitHub.github.com 이번 포스팅에서는 resnet-18 모델을 파인 튜닝하기 위한 준비를 알아보겠다. 1. 데이터 전처리 resnet 모델을 파인튜닝하기 전에 먼저 resnet 모델을 학습시킬 때 사용한 ImageNet 데이터 셋과 유사하게 만들어줘야한다. 즉, 우리가 사용할 데이터 셋을 전처리해줘야 한다는 것인데 이미지 크기 조정 (Resize) 및 정규화 (Normalize) 전처리를 해 주도록하자# 이미지 크기..

https://www.kaggle.com/datasets/pkdarabi/bone-break-classification-image-dataset Bone Break Classification Image DatasetA Multi Class Image DataSetwww.kaggle.com https://github.com/ackrilll/TransferLearning GitHub - ackrilll/TransferLearningContribute to ackrilll/TransferLearning development by creating an account on GitHub.github.com 몇 일 전 kaggle 에서 재미있는 데이터셋을 발견하였다. 골절 종류를 분류하는 모델을 만들 수 있을 것 같..

https://github.com/ackrilll/FashionMNIST GitHub - ackrilll/FashionMNISTContribute to ackrilll/FashionMNIST development by creating an account on GitHub.github.com이번 포스팅에서는 학습 시킨 모델을 저장 및 로드 하는 방법과 테스트용 데이터를 사용해 정답을 얼마나 맞추는지 확인해 보겠다. 1. 모델 저장 PATH = '.\\fashion_mnist2.pth'torch.save(net.state_dict(),PATH)훈련이 끝나면 학습된 파라미터를 저장하는 것이 좋다. 그래야 다시 훈련하지 않고 로드해서 사용할 수 있게 된다. 2. 모델 로드PATH = '.\\fashion_mni..

https://github.com/ackrilll/FashionMNIST/tree/dev GitHub - ackrilll/FashionMNISTContribute to ackrilll/FashionMNIST development by creating an account on GitHub.github.com 이번 포스팅에서는 FashionMNIST 데이터 셋을 다운받고 모델을 학습하는 과정까지 알아보겠다. 0. 패키지 임포트import numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as Fimport torchvision.transforms as transformsimport torchvision.datasets as data..

https://github.com/ackrilll/FashionMNIST/tree/dev GitHub - ackrilll/FashionMNISTContribute to ackrilll/FashionMNIST development by creating an account on GitHub.github.com 이번 포스팅에서는 레이어를 쌓아 CNN 모델을 구성해보려고 한다. 1. 가상 환경 세팅: FashionMNISTEnv 라는 가상환경을 만들어 활성화하고 인터프리터로 설정해준다conda create -n FashionMNISTEnv python=3.12.7conda activate FashionMNISTEnv 2. 패키지 설치: 활성화 한 가상환경 내부에서 사용할 패키지들을 설치해 준다(단, 디바이스에 ..

https://github.com/ackrilll/FashionMNIST/tree/dev GitHub - ackrilll/FashionMNISTContribute to ackrilll/FashionMNIST development by creating an account on GitHub.github.com 이번 프로젝트에서는 컨볼루션 레이어를 활용한 대표적인 구조인 합성곱신경망을 만들어 옷을 분류하는 작업을 수행해 보겠다. 아래와 같은 결과를 출력할 수 있도록 모델을 구성하고 훈련시켜 옷을 분류해 보자.우선 합성곱 신경망이 무엇인지에 대해 알아보자 합성곱 신경망(Convolutional Neural Network, CNN)은 이미지, 비디오와 같은 시각적 데이터를 분석하고 처리하는 데 특화된 딥러닝 알고..

https://github.com/ackrilll/Linear_Regression GitHub - ackrilll/Linear_RegressionContribute to ackrilll/Linear_Regression development by creating an account on GitHub.github.com회귀 모델의 성능을 평가하는 데 사용되는 대표적인 지표 R²(결정 계수)와 MSE(평균 제곱 오차) 에 대해서 알아보고프로젝트에 적용해 보자. 1. R² (결정 계수)정의:R²는 모델이 종속 변수(예측하려는 값)의 분산을 얼마나 잘 설명하는지를 나타내는 지표즉, 모델이 데이터의 변동성을 얼마나 잘 "맞추는지"를 측정특징:0과 1 사이의 값을 가지며, 1에 가까울수록 모델이 데이터를 잘 설명한다..

https://github.com/ackrilll/Linear_Regression GitHub - ackrilll/Linear_RegressionContribute to ackrilll/Linear_Regression development by creating an account on GitHub.github.com 지난 포스팅에서 선형 회귀 모델을 학습시켜 파라미터를 갱신하는 모습을 살펴봤다. 이번에는 핵심 코드들을살펴보자 1) 데이터 생성X = torch.randn(200,1)*10y = X+3*torch.randn(200,1)plt.scatter(X.numpy(),y.numpy())plt.ylabel('y')plt.xlabel('X')plt.grid()plt.show()PyTorch 텐서 X와 y ..

https://github.com/ackrilll/Linear_Regression GitHub - ackrilll/Linear_RegressionContribute to ackrilll/Linear_Regression development by creating an account on GitHub.github.com 임의의 선형 데이터를 만들어 선형 회귀 모델에 넣고 훈련 시켜본다. 1. 가상 환경 생성기본형태는 conda create -n 가상환경이름 python=파이썬버전 conda create -n LinearRegressionEnv python=3.12.7터미널에 입력  2. 가상 환경 활성화기본형태는 conda activate 가상환경이름 conda activate LinearRegression..