학습에 걸리는 시간 => 평가요소로 고려 x
추론에 걸리는 컴퓨팅 자원은 제외
메모리 자원(딥러닝이 얼마나 메모리 공간 차지?) 데스크탑이 아닌, 작은 임베디드 시스템에서도 작동해야
모델 경량화
메모리와 관련있는 요소 : 가중치 매개변수(노드 수), 편향
입력의 크기, 필터의 수, 필터의 크기 => 계산해 메모리 사용량 제작가능
어떠한 모델 선정?
기존 MNIST 데이터셋 사용
새로운 데이터셋 확보
테스트 셋 => 교수님 제공
or 다양한 인공신경망(딥러닝) 플랫폼/라이브러리 사용
결과를 분석해 이해할 수 있는 것만 허용
각종 파라미터 입력 => 이런 결과, 파라미터 수정해서 더 나은 결과 도출
어떠한 제약도 없음
그러나 무엇을 사용하든 이해하고 분석할 수 있어야
기존 MNIST 데이터셋의 사용
기존 데이터셋의 변환(데이터 확장, 교재 8.1.2)
데이터 확장을 위한 함수 구현 필요
교수님 테스트셋 역시 보여주신 참고 기술 블로그로 만들 예정
모델 최적화
반드시 어떻게 최적화 했다라는 과정을 보여줘야
성능 평가
5장에 나온 x_test, t_test 형식과 동일하며 testdata.pkl 형태로 제공 예정
6월10일에 일부 테스트 데이터를 제공예정
보고서는 6월 21일까지 제출