미래연구소 두번째 프로젝트
-
model(18_08_28): 데이터에 흰색 공백(테두리) 있음.
-
model(18_08_29): 데이터의 흰색 공백(테두리) 없앰.
-
model(18_08_30): dropout 뺌.
-
model_inceptionResNetV2 : 파라미터 5400만.파라미터가 많아도 효과를 비슷한 수준의 결과를 내서 더 빠른 모델로 선택.
-
DenseNet : 파라미터 700만 설정.
-
DenseNet_next : DenseNet에서 40 epoch돌리고 16 epoch 더 돌림. 즉 약 56 epoch 정도 돌림.
immutable (숫자형, 문자형 , 튜플) 한 형태로 만들어 python으로 조작 가능한 형태로 변환
mutable(딕셔너리,리스트)
파일 이름의 자리수 통일
.zfill(3)
문자열 앞에 0을 3개를 채워준다
- 오류 파일 3개는 예외 처리 함
np.random.shuffle()
파일들을 shuffling 한후 순서대로 val, test, train으로 나누어 준다
'Google Colab' 사용. Google에서 제공해주는 GPU로 model을 학습시킴.
Keras 사용.
Data Split. ImageDataGenerator사용-> Train, Validation, Test 정의
이전 레이어에서 다음 레이어를 이어주는 추가적인 Connection을 만들어 주어 레이어간의 의미있는 논리 전개 가능.
Optimizer: Adam. decay: 0.01 patience=10. 10번째 기다렸다가 학습 정도의 개선의 여지가 없어서 스탑시킴. 원래 40 epoch돌리고 이 코드에서 16 epoch 더 돌린것.
최종 결과 : 57.25%