피어세션 정리
대웅 : weights & biases 기능 추가
한진 : 대학원 관련 내용 공유, 멀티 모델 시도 내용 공유
요한 :
멘토님 답변 내용 공유
Data Augmentation을 적용했을 때 성능 좋은 단일 모델을 빨리 찾아 다음주부터 앙상블
K-fold로 여러개의 모델을 만들고 앙상블하면 성능이 좋다
앙상블시, 큰 모델과 작은 모델을 섞어서 하면 효과가 좋다
Early Stop시 Step만큼 앞에 것을 가져다 쓰기
각 프로젝트별 어떤 문제가 있었고 어떻게 해결했는지를 정리해두면 도움이 된다.
Augmentation 성능 공유
모션 블러나 디스토션은 효과 없음
효과가 있는 것: 랜덤 크롭, horizontal flip
CenterCrop은 효과가 있을 듯
ElasticTransform, Cutout은 효과가 좋다(둘 중 하나가 효과가 있을 수 있음, 둘이 함꼐 써봄)
준수님 : Elastic만 적용하면 성능이 떨어졌는데, 같이 쓰니 성능이 올라간다.
Normalize with Mask Dataset: 9 epoch시 0.732 -
Normalize 6epoch → 0.6955
Grid distorsion 같은 건 효과가 적다(왜곡이 큰 경우)
STD, Normalization 바꾸면 성능 하락하는 경향
Scoring을 하고 싶으면 Testset 상태를 살피자
순서 배치도 중요하다.
한준
템플릿 코드에 대한 개인 학습 내용과 질문
PEP 규칙에 대한 질문
좀 느리지만 끝까지 오르는 모델이 있나? 초반에 안오르면 early stop해야하나?
한진→빠르게 성능이 오르면 결과가 좋다는 청신호는 맞지만 최적인지는 보장 못한다.
준수
이번 주 강의 들으며 학습 내용 정리함, 다음 주차에 대한 계획
창한
추천시스템, 엔비디아 밋업 - Nvidia merlin library, 데이터 로더가 빠르다.
merlin 라이브러리 외에 파이토치 대체하는 빠르게하는 라이브러리가 있다
오후에는 밀린 수업, 후 다음 주차 뭘 할지 실험 계획
미리 한 번 계획 세워보자 → 데이터에 대한 EDA, 멀티모델에 대한 고민
