https://github.com/dlwoguq0928/aiffel-exp-1

aiffel-exp-1

AIFFEL Exploration Node 1. 인공지능과 가위바위보 하기

Over Fitting 줄이기

• 표준 Dataset 사용 (Quantity and Quality)

  • Rock Paper Scissors Dataset
    • https://www.tensorflow.org/datasets/catalog/rock_paper_scissors

• Train / Validation 데이터 70:30으로 배분

• BatchNormalization & DropOut

• Conv - DropOut - BatchNorm - Activation 순서로 구성

  • https://stackoverflow.com/questions/39691902/ordering-of-batch-normalization-and-dropout

• Regularization

• Early Stopping

• 동일 퍼포먼스에서 사이즈가 작은 모델 선택

  • 8 16 32 64 vs ~16 32 64 128~

• 1000 Epoch Visualization 이후 OverFitting 발생 지점 확인

  • 
  • 

결과

• 1회 시도

  • test_loss: 0.5142398476600647
    
  • test_accuracy: 0.8467742204666138
    

• 2회 시도

  • test_loss: 1.0630570650100708
    
  • test_accuracy: 0.725806474685669
    

• 3회 시도

  • test_loss: 0.6379392147064209
    
  • test_accuracy: 0.8118279576301575
    

• 4회 시도

  • test_loss: 0.34869351983070374
    
  • test_accuracy: 0.8897849321365356
    

• 5회 시도

  • test_loss: 0.110873281955719
    
  • test_accuracy: 0.9677419066429138