GCP(Google Cloud Platform)란?

Google Cloud Platform(GCP)은 구글에서 제공하는 클라우드 컴퓨팅 서비스입니다. GCP는 전 세계적으로 분산된 구글의 데이터 센터 인프라를 기반으로 다양한 컴퓨팅, 저장소, 데이터 분석, 머신러닝 등의 서비스를 제공합니다. GCP의 강력한 인프라와 다양한 서비스 덕분에, 기업과 개발자들은 대규모 데이터를 처리하고 복잡한 연산을 수행할 수 있는 환경을 손쉽게 구축할 수 있습니다.

처음 회원가입하면 무료로 $300 크레딧을 줍니다.

GCP 사용 이유

강력한 GPU 자원: GCP는 NVIDIA의 최신 GPU(예: Tesla T4, V100, A100)를 지원하며, 이러한 GPU를 활용하여 대규모 딥러닝 모델을 빠르게 학습시킬 수 있습니다. 이는 로컬에서 수행할 수 없는 복잡한 모델을 처리하는 데 매우 유리합니다.

확장성 및 유연성: GCP는 사용자가 필요로 하는 만큼의 컴퓨팅 자원을 동적으로 할당하고 관리할 수 있어, 프로젝트의 규모가 커지더라도 유연하게 대응할 수 있습니다. 또한, 필요에 따라 손쉽게 리소스를 추가하거나 줄일 수 있습니다.

통합 환경: GCP는 다양한 데이터 관리 도구와 머신러닝 플랫폼을 제공하여, 데이터를 수집하고 처리하는 것부터 모델을 훈련시키고 배포하는 모든 과정을 한곳에서 관리할 수 있습니다. 특히, GCP의 AI Platform과 BigQuery와 같은 서비스는 대규모 데이터 분석과 머신러닝 작업에 최적화되어 있습니다.

학습 목표

이번 프로젝트의 학습 목표는 단일 음식 이미지를 업로드했을 때, 여러 딥러닝 모델 중 어떤 모델이 해당 음식을 가장 정확하게 파악하는지 비교하고, 이를 기반으로 영양성분 API를 활용해 해당 음식의 영양성분을 분석하는 것입니다. 궁극적으로는, 분석된 영양성분을 토대로 다음 식단을 추천해주는 시스템을 구현하는 것이 최종 목표였으나, 이번 프로젝트에서는 추천 시스템 부분까지 구현하지 못했습니다.

사용한 GCP GPU와 딥러닝 모델

• **Nvidia Tesla V100 (사용 이유: 사용할 딥러닝 모델들을 충분히 수용할 수 있고, 대규모 연산에 최적화된 성능을 제공하여 복잡한 모델도 빠르게 처리 가능)

• CNN (가장 기본모델로, 이미지 분류 작업의 출발점이 되는 간단하고 직관적인 구조를 가지고 있어 비교 기준으로 사용)

• ResNet50 (잔차 학습(residual learning)을 통해 매우 깊은 네트워크에서도 성능 저하 없이 안정적으로 학습할 수 있어, 복잡한 이미지 분류 작업에서 높은 성능을 기대할 수 있음)

• EfficientNet B0 (모델의 효율성을 극대화한 구조로, 성능 대비 파라미터 수가 적어 상대적으로 가벼운 모델이면서도 높은 정확도를 제공)
  

• EfficientNet B2 (EfficientNet B0의 확장판으로, 더 많은 파라미터와 깊이를 가지고 있어 보다 복잡한 패턴을 인식할 수 있는 능력이 향상됨)

이미지 데이터 수집 사이트 (한식 + 외국음식)

• AI Hub (한국의 AI 관련 데이터셋을 제공하는 플랫폼)
• Kaggle (https://www.kaggle.com/datasets/kmader/food41)
• 250가지의 음식, 총 이미지 250,000개

이 블로그 시리즈에서 다룰 내용

이번 블로그 시리즈에서는 GCP를 활용한 이미지 딥러닝 프로젝트의 전 과정을 상세히 다룰 예정입니다. 각 블로그 글에서 다룰 주요 내용은 다음과 같습니다:

• GCP를 세팅하며 겪었던 어려움

• 데이터 관리 및 저장소 최적화: 대규모 데이터 세트를 GCP 환경에서 효율적으로 관리하는 방법과, VM 인스턴스의 용량 문제 해결 과정을 공유합니다.

• 모델 훈련 및 성능 비교: 다양한 딥러닝 모델을 GCP에서 훈련시키고, 그 결과를 비교 분석합니다. 모델 선택과 성능 향상을 위한 전략도 함께 논의합니다.

• 결과 분석 및 향후 과제: 프로젝트에서 얻은 결과를 분석하고, 향후 개선 방향과 추가 연구 가능성을 제시합니다.

이 시리즈는 GCP를 활용한 딥러닝 프로젝트를 통해 제가 성장할 수 있었던 과정을 공유하는 데 중점을 두었습니다. 이 첫 프로젝트를 통해 배운 경험들이 많은 분들께 영감을 줄 수 있다면 기쁘겠습니다. 많은 관심 부탁드립니다!