딥러닝기초_0603

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

1. 수업시간에 사용한 파이썬 기반 신경망 모델을 사용

• 단순 MLP 모델 사용
  two_layer_net.py
  교재 4.5.2, 4.5.3, 5.7.2, 5.7.4 참조
• 합성곱 신경망 모델 이용하기
  Simple_convnet.py
  7장

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

2. 데이터 셋 확보

• 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

3. 모델 최적화
   반드시 어떻게 최적화 했다라는 과정을 보여줘야

4. 성능 평가
   5장에 나온 x_test, t_test 형식과 동일하며 testdata.pkl 형태로 제공 예정
   6월10일에 일부 테스트 데이터를 제공예정

보고서는 6월 21일까지 제출

5. 보고서

• 혼돈 매트릭스 사용해야
  http://www.gisdeveloper.co.kr/?p=9932