코드 없이 간단한 신경망을 설계, 훈련, 테스트할 수 있는 프로그램입니다.
Language: python
GUI: Tkinter/
DL framework: TensorFlow
Project in December, 2021.
프로그램을 사용하려면 repository를 clone 하고, dist/main/main.exe를 실행시키세요.
python 코드를 확인하려면 src/main.py를 참고하세요.
- 코드를 작성하지 않고 목적에 따라 원하는 딥러닝 모델을 설계할 수 있도록 함.
- 사용자 친화적이고 직관적인 UI를 통해 비전문가도 쉽게 딥러닝 모델을 다룰 수 있게 함.
- 모델 생성, 학습, 테스트, 예측의 기능을 통해 소프트웨어 하나만으로도 사용자가 원하는 대부분의 기능을 수행할 수 있도록 함.
프로그램을 실행하고 '새 모델 생성'을 선택하고 다음 순서를 따르세요.
모델로 해결하고자 하는 문제를 선택하세요.
- 회귀
- 분류
- 그 외(직접 설계)
모델의 입력 데이터의 정보를 입력하세요.
- 일반(ex 보스턴 집값 데이터셋) - 특성 개수 입력
- 이미지(ex mnist 데이터셋) - 이미지 가로 픽셀수, 세로 픽셀수, 채널(흑백, 컬러) 입력
- 시계열(ex 날씨 데이터셋) - 특성 개수 입력
모델 목적에 따라 적합한 정보를 입력하세요.
- 회귀 - 1로 고정
- 분류 - 분류할 클래스 개수 입력
- 그 외 - 이후에 직접 설계
ex) MNIST 데이터셋에 대한 분류 모델 설계 과정
이전 단계의 정보를 바탕으로 모델 베이스가 생성됩니다. 모델 베이스를 바탕으로 원하는 대로 모델을 확장해 보세요.
Dense(완전연결 층), Conv2D(2차원 합성곱 층), RNN(순환 신경망) 중에서 레이어를 선택할 수 있습니다.
레이어를 우클릭하여 레이어 삭제, 추가 작업을 할 수 있습니다.
단, 아래의 기본적인 규칙은 지켜져야 모델이 오류 없이 생성되므로 주의하세요.
기본 규칙
- 일반 입력: Dense 층으로만 구성
- 이미지 입력: 먼저 Conv2D 층을 쌓아 나가고 마지막 Conv2D 층만 ‘데이터 펼치기’ 옵션 반드시 체크. 이후 Dense 층에 연결
- 시계열 입력: 먼저 RNN 층을 쌓아 나가고 마지막 RNN 층을 제외하고 모두 ‘timestep 유지’ 옵션 반드시 체크. 이후 Dense층에 연결
ex) 모델 세부 설계 예시
메인 화면에서 ‘모델 불러오기’를 선택하고, 원하는 모델 파일(xxx.h5)를 불러옵니다.
- 모드를 훈련으로 선택합니다.
- 입력, 타겟 데이터를 ‘찾아보기’ 버튼을 눌러 불러옵니다.
- 손실함수, 평가지표, 배치 크기, 학습 횟수를 선택합니다.
- 모델은 학습이 종료된 시간을 모델명에 붙여 자동 저장됩니다.
모드를 테스트로 선택하고, 데이터를 불러옵니다. 이후 배치 크기를 지정해 모델 훈련과 동일하게 진행하세요.
학습시킨 모델을 이용해 원하는 결과값을 얻어내는 과정입니다. 결과는 넘파이 파일로 저장할 수 있습니다.
ex) MNIST 데이터셋에서 모델 훈련, 테스트, 예측을 진행한 모습
위 모든 과정은 창 하단의 로그에 표시됩니다.
- boston: keras - Boston Housing price regression dataset
- mnist: keras - MNIST digits classification dataset
- climate: https://storage.googleapis.com/tensorflow/tf-keras-datasets/jena_climate_2009_2016.csv.zip
더 자세한 정보를 얻고 싶으면 시연영상을 참고하세요. https://drive.google.com/drive/folders/1aw8e8dY1in7huqBwnfUAWegX9YSmlJpJ?usp=sharing