머가필요해

으아... 정말 엄청난 반성만 하게되는 이번 혼공학습단 활동이다.

공부가 아닌 벼락 숙제만으로 점철된 혼공 스터디 !

다음 15기에 다시 도전해서 기회를 얻게 된다면,

벼락 숙제가 아닌 꼼꼼한 공부를 하는 착실한 학생이 되도록 해야겠다.

겉멋만 들어서 이미 공부했던 알고 있는 내용이라고 쓱~쓱~ 넘겨버렸던 딥러닝 개념들인데,

벼락 숙제하면서 코드를 살펴보면... 사실 혼자서 해보라고 하면 어떻게 해야할지 엄두도 나지 않는 내용들이었다.

다시 한 번 스터디할 때에는 PyTorch로 하나씩 직접 포팅해보면서

전부 내 것으로 만드는 과정을 가져보도록 해야겠다.

연휴만 만나면 정신을 못차리고 또 다시 지각 공부를 하게 되어버린 불량 학습자 !!!

▶ 기본 숙제 (필수)

CH04 (04-2) KerasNLP 또는 허깅페이스 BERT 모델로 영화 리뷰 감성 분석 후 결과 캡처하기

제공된 샘플 코드에서는 A100으로 학습했다고 하는데, T4로도 진행은 되었다.

다만, 엄청 오래걸렸을뿐...

label 값이랑 비교해보면 100% 정답을 맞췄다라는 것을 알 수 있다.

코멘트 내용도 참고해서 볼 수 있도록 추가해봤다.

"0" 값이 부정적인 평가이고, "1" 값이 긍정적인 평가이다.

무더운 여름이 계속되지만, 공부도 계속 되어야 한다구요 !!!

▶ 기본 숙제 (필수)

CH03 (03-3) 사전 훈련 모델로 피스타치오 품종 이미지 분류 실습 후 결과 캡처하기

① 피스타치오 이미지 파일 다운로드

② 사전 훈련된 모델을 이용해서 품종 분류 예측 (EfficientNetB7 모델)

오늘은 일정이 좀 있어서 여기까지만 !

정신을 어디다 두고 다니는지...

지난 주가 여름 방학인줄로만 알고 마음 편히(?) 띵가 띵가 했는데,

이번 주가 여름 방학이고 지난 주는 공부를 했었어야 했다는 !!!

다행히, 넓은 아량을 갖고 계시는 우리 족장님이 한 주 유예를 해주셨다 !!!

▶ 기본 숙제 (필수)

CH03 (03-1, 03-2) MobileNet 또는 EfficientNet으로 이미지 분류하고 예측 결과 화면 캡쳐하기

코드를 살펴보면 딱히 설명할 것은 없다.

MobileNet 구조에 맞춰서 구성을 해주는 방식이다.

▶ 추가 숙제 (선택)

CH03 (03-3) 텐서플로 허브에서 모델을 불러오는 코드와 실행 결과 설명하기

상당히  특이한데, kerasLayer를 다운로드 받는 방식으로 불러온다.

입력을 받는 부분에 있어서 이미지 크기를 맞춰주는 부분만 추가 되었다.

말 그대로 눈 깜짝할 사이에 지나간 한 주.

어느덧 혼공학습단도 3주차가 되었다.

▶ 기본 숙제

Ch.02(02-2) VGGNet 또는 ResNet으로 고양이/강아지 이미지 분류하고 결과 화면 캡처하기

VGGNet으로 실행한 결과인데,

왠지 아쉬워서 ResNet까지 해봤다.

▶ 추가 숙제

Ch.02(02-1, 02-2, 02-3) AlexNet, VGGNet, ResNet 중 하나를 골라 모델 구조를 그림 또는 표로 정리하기

손으로 한 번 그려보려다가.... 그냥 summary 찍어버렸다 ^^

혼공학습단을 하게 되니, 일주일이 너무 빨리 지나간다.

저번 주 스터디를 한지 얼마 안된 것 같은데, 벌써 2주차 마지막 날이라니... 

정말 다행인 것은 다음 챕터가 아닌 Chapter 01 실습이라 큰 부담은 되지 않았다. 😅

▶ 기본 숙제 (필수)

Ch.01(01-3) LeNet으로 Fashion MNIST 분류 실습 후 예측 결과 화면 캡쳐하기

앞서 분류되어 있는 test 데이터를 가지고 실행하도록 했고,

눈으로 좀 보고 싶어서 앞의 10개 데이터는 화면에 보여주도록 했다.

▶ 추가 숙제 (선택)

예측이 틀린 이미지를 골라 "왜 틀렸을까?" 추측해보기

실제로는 "Coat"인데, "Pullover"로 예측을 한 샘플이다.

전체적으로 예측값과 실제값 사이의 matrix를 찍어보면 다음과 같다.

예측값이 틀린 경우를 보면 주로 Shirt, T-shirt/top, Pullover, Coat에서 발생한다는 것을 알 수 있다.

실제 상당히 유사한 데이터들임을 알 수 있다.

이를 극복하기 위한 방법을 생각해보면 다음과 같다.

- 더 많은 데이터 (Augmented 포함)

- 28x28 보다 더 큰 이미지 사이즈

- 단색이 아닌 RGB 컬러 이미지 입력

관심 있는 책들을 가지고 혼공 활동을 열심히 했더니,

참여할만한 것들이 없어서 쉬었던 혼공학습단 활동을 간만에 하게 되었다.

바로 이 책이 나왔기 때문이다.

- https://www.whatwant.com/entry/honman-deep

그래서, 이번 혼공학습단 14기에 지원하게 되었고,

기쁘게도 선정이 되었다.

앞으로도 계속 "만들면서" 시리즈가 나왔으면 좋겠다.

- https://hongong.hanbit.co.kr/

혼공시리즈이기에 너무나 고맙게도 동영상을 비롯해 소스코드까지 모두 제공해준다.

- https://www.youtube.com/playlist?list=PLVsNizTWUw7F1EIzSwUiPn3PFSO-aSEHi

박해선님은 나를 모르겠지만,

나는 박해선님을 애정한다 !!! ^^

- https://github.com/rickiepark

이번 첫 주 공부할 거리는 다음과 같다.

▷ 기본 숙제

- 소스코드 확인하기

  . https://github.com/rickiepark/hm-dl

- '01-3.ipynb' 파일 확인

  . https://github.com/rickiepark/hm-dl/blob/main/01-3.ipynb

- 'Open in Colab' 클릭

  . 'Drive에 사본 저장'까지 진행

- 모두 실행

- LeNet-5 그리기

▷ 추가 숙제

  - 합성곱층 (Convolution Layer)

    . 이미지와 같은 2D 형식의 데이터의 특징을 추출하는 layer로써 결과물로 특성맵(feature map)을 만들어 냄

  - 풀링층 (Pooling Layer)

    . 중요한 특징은 유지하면서 이미지(데이터)의 크기를 줄이기 위한 layer로써, 평균값 또는 최댓값을 활용

  - 밀집층 (Dense Layer)

    . 결과를 도출하기 위해 이전 layer들의 feature들을 모두 1D 형태로 변환하여 처리