딥러닝 문제를 pytorch를 통해 구현하고자 한다. 해당 과제에서는 사용하고자 하는 모델과 비교할 수 있는 모델을 구현해주면 좋을 것 같다. 그리고 가능한 망 구조를 생략하지말고 layers 라는 리스트와 같은 곳에 저장하여 알아볼 수 있도록 하면 좋을 것 같다. 해당 과제의 핵심은 수업 때 배우지 않은 모델 망 구조를 사용하여 성능을 높이는 것이 핵심이다. 과제는 .ipynb 파일로 구현해주고 노트북 파일에 마크다운으로 주석도 달아주면서 코드 내부에도 주석을 상세하게 작성해주면 내가 보고서 작성할 때 좋을 것 같다.
해당 주제는 개와 고양이 데이터셋을 반복 홀드아웃 검증하는 것이다.
사진으로 표현된 개와 고양이의 데이터셋을 사용하라. 데이터셋은 Kaggle (https://www.kaggle.com/datasets/samuelcortinhas/cats-and-dogs-image-classification/data) 데이터셋을 사용하라.
훈련 및 검증 데이터 비율을 3:2로 하라. 테스트는 테스트 데이터를 사용하라. 척도는 정확도와 F1 Score (Micro)를 사용하라. 그리고 5차례 반복하고 평균 및 표준편차를 제시하라.
강아지인 치와와와 머핀 데이터셋을 이용하여 5겹 교차 검증하는 문제이다.
사진으로 표현된 치와와와 머핀의 데이터셋이며 해당 데이터셋은 Kaggle(https://www.kaggle.com/datasets/samuelcortinhas/muffin-vs-chihuahua-image-classification) 에서 제공한다.
훈련 데이터를 5겹으로 분할하고 학습을 진행하라. 각 폴드에 대한 테스트 성능을 제시하라. 테스트는 테스트 데이터를 사용하도록 하라. 척도는 정확도와 F1 Score (Micro)를 사용하도록 하고 5차례 반복하고 평균 및 표준 편차를 제시하라.
Fashion MNIST 데이터셋을 사용하는 문제이다.
작은 사진으로 표현된 의류 데이터이고 데이터셋의 위치는 pytorch에서 제공하는 mnist 데이터셋을 사용하라.
- 주어진 훈련 데이터와 테스트 데이터를 병합하라.
- 병합한 데이터를 훈련 및 검증, 테스트 비율 = 2:49:49 로 다시 분할하라.
- 척도로는 정확도와 F1 Score(Micro)를 사용하도록 하라. 그리고 10차례 반복하고 평균 및 표준편차를 제시하라. 단, 학습이 수렴하지 않을 경우 재 학습 가능하다.