[P1] Week 2 Day 2

가) 오늘 내 학습목표는 무엇이었나요?

1. 이미지 매칭 구현 colab이 죽어서 못했습니다.
2. pseudo labeling
3. 제출 기회 10번 모두 사용하기

나) 오늘 나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했나요?

1. accuracy : 73.2381%, f1 : 0.5860%

• data_1
• 사람을 기준으로 train과 test 데이터로 분리 (train : test = 4 : 1)
• efficientnet-b0
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=20

2. accuracy : 76.4286%, f1 : 0.6536%

• 레이어 테스트

3. accuracy : 80.1746%, f1 :0.7304%

• ensemble 2

4. accuracy : 76.7302%, f1 : 0.6831%

• train : test = 1 : 0
• resnet34
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=7

5. accuracy : 16.6825%, f1 : 0.1182%

• train : test = 1 : 0
• resnet34
• transforms.CenterCrop(384)
• RandAugment(1,15)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.0001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=10

6. accuracy : 76.8413%, f1 : 0.7027%

• train : test = 1 : 0
• resnet34
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.0001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=10

7. accuracy : 78.0476%, f1 : 0.7225%

• data_1
• 사람 기준 없이 train과 test 데이터로 분리 (train : test = 9 : 1)
• 58세 이상
• resnet34
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=10

8. accuracy : 77.4127%, f1 : 0.7216%

• data_1
• 사람 기준 없이 train과 test 데이터로 분리 (train : test = 9 : 1)
• 58세 이상
• resnet34
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=11

9. accuracy : 81.0952%, f1 : 0.7536%

• data_1
• 사람 기준 없이 train과 test 데이터로 분리 (train : test = 9 : 1)
• 58세 이상
• resnet34
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.0001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=10
• pseudo labeling

10. accuracy : 81.1746%, f1 :0.7544 %

• data_1
• 사람 기준 없이 train과 test 데이터로 분리 (train : test = 9 : 1)
• 58세 이상
• resnet34
• transforms.CenterCrop(384)
• batch_size=4
• nn.CrossEntropyLoss()
• optim.SGD(model_ft.parameters(), lr=0.0001, momentum=0.9)
• lr_scheduler.StepLR(optimizer_ft, step_size=10, gamma=0.9)
• num_epochs=15
• pseudo labeling

다) 오늘 나는 어떤 방식으로 모델을 개선했나요?

• pseudo labeling을 사용하여 모델을 개선했습니다.

라) 오늘 내가 한 행동의 결과로 어떤 지점을 달성하고, 어떠한 깨달음을 얻었나요?

• Semi-Supervised Learning인 pseudo labeling의 힘을 깨달을 수 있었습니다.

마) 오늘 나의 학습과 시도가 크게 성공적이지 않아서 아쉬운 것은 무엇인가요? 내일은 어떻게 다르게 시도해보실 수 있을까요?

• 이미지 매칭의 구현에 실패해서 아쉬웠습니다.
• 내일도 pseudo labeling과 ensemble을 시도해볼 계획입니다.

마무리

오늘보다 더 성장한 내일의 저를 기대하며, 내일 뵙도록 하겠습니다.

읽어주셔서 감사합니다!