개미의 개열시미 프로그래밍

이번에 6,7주차를 한번에 작성하게 된 건 2주동안 유사이미지분류기를 고도화하거나 리팩토링하는데 초점을 두어서 나눌 필요가 없다고 생각했지만 사실 시간이 없기도 했습니다... 원래 기존의 아키텍쳐에서 많이 변경된 모습인데 처음 하는 협업이라 그런지 인턴분과 의사소통을 하는 부분에서 많은 미스가 있었습니다. '혼자 이렇게 구성하면 더 좋지 않을까' 라는 생각에 마음대로 수정하기도 했고 yaml파일과 trainer.py 코드도 두개로 나뉘는 것부터 소통이 잘 안된 것을 알 수있었습니다. (tester.py도 두개가 되버려서 통합하는데는 성공..) 개발자들은 원래 코드의 아키텍쳐를 서로 공유하고 설계본을 많이 안건드리는 선에서 작업을 한다고 합니다! 만약 디렉토리나 코드 변수에 대해 변경을 한다면 같이 하는 ..

저번 5주차를 마무리하며 작성했던 Trainer코드를 작성하고 리팩토링까지 완료하여 회의시간에 루카스님께 필요한 부분을 점검받았다. Notion 5주차 스프린트 Trainer.py 구조 서명하기 쉽게 정리 Trainer.py 전체 동작 최종 구현 Densenet_trainer의 분류기 부분이 카테고리에 맞춰서 원활한 학습이 가능하도록 구현 구현된 Trainer 설계 및 동작을 문서화 구현된 코드의 전체적인 설계와 동작구조를 문서화하거나 그림으로 표현 먼저, 과제를 구체적으로 설명하자면 '유사 이미지 분류' 라는 주제이며 코드는 아래와 같은 구조로 되어있다. 하나씩 간략히 설명하자면 - /dataset : 이미지 데이터들이 들어가는 디렉토리 - /model_property : 학습 후 저장될 모델의 가중치..

원래는 전이학습을 정리하기 전에 먼저 올려야 순서가 맞지만 이미 Jupyer notebook으로 정리를 했기때문에 빨리 올려보려고 합니다.(복습도 할겸..!) DenseNet정리도 마찬가지로 구글링, 유투브 그리고 논문과 학교에서 지원해준 FastCampus강의를 참고했습니다.. 이번에 백마인턴쉽에서 맞게된 주제는 '유사 이미지 분류'이며 전이학습을 기반으로 하고 전에 설명했던 전이학습의 pre-trained model을 DenseNet을 씁니다. DenseNet은 이전 layer의 feature map을 계속해서 다음 layer의 입력과 연결(Concatenation)하는 방식으로 ResNer과 매우 유사합니다. ResNet과 같이 Pre-Activation구조를 사용하는데(이 구조는 아래에서 더 자세..