인공지능 2주차

 

 

 

 

Optimization

모델을 학습하기 전 설정

 

 

 

- Loss Function

- Optimization

- Metrics

 

 

 

Loss Function

Binary - 클래스가 두 개 ex) 개, 고양이

Categorical - 클래스가 두 개 이상

loss_fun 설정

 

 

 

 

Metrics 모델을 평가하는 방법

제일 흔히 사용되는 것은 accuracy(전체 문제에서 맞힌 확률)

metrics 설정 완료

 

 

 

Optimizer 적용

 

'sgd' = tf.keras.optimizers.SGD()

'rmsprop' = tf.keras.optimizers.RMSprop()

'adam' = tf.keras.optimizers.Adam()

 

 

 

 

 

트레이닝

 

 

 

tf.data

 

 

Visualize Data

matplotlib 불러와서 데이터 시각화하기

 

 

keras로 학습할 때는 기존과 같지만 train_ds는 generator라서 그대로 넣을 수 있음

 

 

optimization

-loss function

-optimizer

 

 

 

 

Evaluating

학습한 모델 확인

 

 

결과 확인

모델에 input data로 확인할 이미지 데이터 넣기

 

testBatch

Batch로 Test Dataset 넣기

 

Batch Test Dataset 모델에 넣기

 

 

 

 

PyTorch Basic

PyTorch 기초 사용법

 

numpy와 torch가 거의 비슷함

수학 연산도 가능

 

view

 

 

여기까진 numpy와 모두 동일

numpy를 torch tensor로 불러오기

 

 

 

 

AutoGrad

 

 

 

 

 

 

Pytorch Data Process

 

 

이미지화

 

pytorch는 주어진 것이 많아서 데이터 로드를 잘 활용하면 좋다

 

 

 

각 layers 설명

Convolution

- in_channels: 받게 될 channel의 갯수

- out_channels: 보내고 싶은 channel의 갯수

- kernel_size: 만들고 싶은 kernel(weights)의 사이즈

 

 

 

 

Pooling

 

Linear

 

 

 

softmax

 

 

nn과 nn.functional의 차이점

nn은 학습 파라미터가 담긴 것

nn.functional은 학습 파라미터가 없는 것이라 생각하면 간단