[kaggle] Painting Vs Photograph Classification

 

사진과 그림을 구분해주는 모델 따라하기

[Painting or Photo]Guess right?_Deep Learning

 

순서

1. Module Import
2. 데이터 목록 확인
3. gray scale한 array를 dataset으로 만들기
4. 데이터셋 합치기
5. train test split
6. normalize 및 모델 학습에 적합한 형태로 변환
7. 사진, 그림 이렇게 두가지 카테고리로 변환
8. 모델링 (Sequential)
9. 모델 컴파일 (optimizer)
10. 모델 fit
11. 그래프로 정확도와 손실을 확인
12. 예측 및 결과 확인 test

---

모델링 관련 함수 정리

 

사용량 확인 함수

nvtop gpu : 사용량 체크 커멘드 라인 함수

htop cpu : 사용량 체크 커멘드 라인 함수keras 컨볼루션 신경망

 

keras 컨볼루션 신경망 (참고)

활성화 함수

노드에 입력된 값들을 비선형 함수(활성화 함수)에 통과시킨 후 다음 레이어로 전달 비선형 함수는 딥러닝 모델 레이어 층을 깊게 (은닉층) 사용할 수 있음

1. relu (Rectified Linear Unit, 경사함수)
   • x가 0보다 크면 기울기가 1인 직선, 0보다 작으면 함수 값이 0
2. MaxPooling2D : 폴링 연산. 4차원 데이터를 입력으로 받고 출력도 4차원 데이터로 출력
3. Flatten : 주요 특징 추출해서 전결합층에 전달하기 위해 1차원 자료로 변환
4. softmax : 출력층에서 사용되는 함수. 다중 클래스 분류 모델을 만들때 사용.
   • 결과를 확률로 해석할 수 있게 변환해주는 함수

 

Optimizer (참고1)(참고2)

loss function의 최소값을 찾는 것을 목표로 최적화하는 알고리즘

• Adam (Adaptive Moment Estimation)

 

Q&A

• CPU vs GPU
  • CPU는 거의 모든 계산을 사용 할 수 있으나, 병렬 컴퓨팅에 적합하지 않음. 순차적인 데이터를 사용하는 경우 유용할 수 있음
  • GPU는 이미지 생성과 조작을 위한 전자 칩으로 딥러닝에서 병렬 구조를 훈련하는데 빠른 연산이 가능함. 신경망과 같은 복잡한 다차원의 형식에서 학습 적합함. 다만 비싸고, 에너지 소비가 큼.
• GPU 사용하지 않고 CPU만 사용할 경우
  • 특정 GPU 지정 / os.environ["CUDA_VISIBLE_DEVICES"]