[AI] 모델 성능 향상 테크닉 적용

실습

import torch.cuda
import torchvision.transforms as transforms
from torch.utils.data import DataLoader
import torch.nn as nn
import torch.optim as optim
import utils_file
import models_build
from customdataset import CustomDataset
import configer
import torch
"""
models.py -> 학습할 모델 build 파일 
utils_file.py -> 여려가지 잡동사니 ex) Image show 필요한 함수 구현 곳 
customdataset.py -> 학습데이터를 가져오기위한 데이터셋 구성 
config.py -> 하이퍼파라메타 값 세팅 하는곳 
"""

"""1. augmentation setting"""
data_transform = utils_file.data_augmentation()

"""2. data set setting"""
# data path, mode, transform
print(configer.data_path)
train_data = CustomDataset(data_path=configer.data_path,
                           mode="train", transform=data_transform['train'])
test_data = CustomDataset(data_path=configer.data_path,
                          mode="val", transform=data_transform['test'])
"""디버그"""
# for i in train_data:
#     pass

"""3. data loader setting"""
train_loader = DataLoader(
    train_data, batch_size=configer.batch_size, shuffle=True, drop_last=True)
test_loader = DataLoader(
    test_data, batch_size=configer.batch_size, shuffle=False, drop_last=True)

for data, target in test_loader:
    print(data, target)
"""4. model call"""
net, image_size = models_build.initialize_model(
    "resnet", num_classes=configer.nc)

"""5. 하이퍼파레메타 값 call loss 함수 호출 optim, lr_scheduler"""
criterion = configer.criterion
optimizer = optim.SGD(net.parameters(), lr=configer.lr, momentum=0.9)
lr_scheduler = torch.optim.lr_scheduler.StepLR(
    optimizer, step_size=4, gamma=0.1)
"""6. train loop 함수 호출"""

"""7. test loop 함수 호출"""

파이썬 파일 여러 개로 나누어 돌리기 시작
이제 노트북 사양에 한계를 느끼는 중

어려운 점

딥러닝 들어오고 나서 노트북 CPU로 따라가려니 한 번 돌리는 데 한 시간씩 걸려서
돌려놓고 다른 거 하고 오면 오류나있고 디버깅하고
다시 돌리고 또 기다리고
azure 장비 지원은 없는 걸까요...?
또르륵