[부스트캠프 AI-Tech] 6주차 Day 2

4. Data Generation

• Data Feeding

  • Feed? → 대상의 상태를 고려해서 적정한 양을 준다.

    

• torch.utils.data
  • Dataset

    • 기본 구조

      from torch.utils.data import Dataset
      
      class MyDataset(Dataset):
      		def __init__(self):            # 초기화  
      				pass
      
      		def __getitem__(self, index):  # index 위치의 데이터 
      				return None
      
      		def __len__(self):             # 데이터 전체 길이
      				return None

  • DataLoader

    • 내가 만든 Dataset을 효율적으로 사용할 수 있도록 기능 추가

      

      ref. https://pytorch.org/docs/stable/data.html#data-loading-order-and-sampler

5. Model (1)

• Model

  • 시스템의 informative representation

• Model with Pytorch

  • low-level, pythonic, flexibility

  • nn.Module (기본 클래스)

    import torch.nn as nn
    import torch.nn.functional as F
    
    class MyModel(nn.Module):
    		def __init__(self):
    				super(MyModel, self).__init__()
    				self.conv1 = nn.Conv2d(1, 20, 5)
    				self.conv2 = nn.Conv2d(20, 20, 5)
    		
    		def foward(self, x):              # 모델이 호출 되었을 때 실행되는 함수
    				x = F.relu(self.conv1(x))
    				return F.relu(self.conv2(x))

  • Parameters (계산에 쓰일 Parameter)

6. Model (2)

• Pre-trained Model

  • 모델 일반화를 위해 매번 수 많은 이미지를 학습시키는 것은 까다롭고 비효율적
  • 미리 학습된 좋은 성능이 검증되어 있는 모델을 사용하면 시간적으로 매우 효율적

• Transfer Learnging

  • CNN base 모델

    

  • Pretraining 할 때 설정했던 문제와 현재 문제와의 유사성을 고려

  • 데이터가 충분할 경우

    

  • 데이터가 부족할 경우...