DevNinja

목적패션 데이터셋을 활용하여 가방, 셔츠, 스커트 등을 분류합니다.환경설정데이터 파이프 라인 : 데이터 로드시 과부하를 완화하기 위하여 데이터 파이프라인을 구축합니다.조기종료 설정 : 학습이 개선되지 않으면 조기종료 콜백을 설정하여 중지합니다.TensorBoard 모니터링 : TensorBoard와 연결하여 학습 진행 상태를 모니터링 할 수 있도록 합니다.데이터셋아래와 같이 dataset 디렉토리 안에 가방, 셔츠, 스커트의 폴더별로 나누어져있으며 이미지 파일이 있습니다.├─dataset│ ├─bag│ ├─shirt│ └─skirt└─runs └─fashion_classification데이터 로드import osimport timefrom PIL import Imageimport numpy a..

데이터 로드import torchimport torch.nn as nnimport torchvision.datasets as datasetsimport torchvision.transforms as transformsimport matplotlib.pyplot as pltfrom torchvision.utils import make_gridimport numpy as npfrom torch.utils.data import DataLoaderimport osimport timebatch_size = 100num_epochs = 50learning_rate = 0.0001device = torch.device('cuda') if torch.cuda.is_available() else torch.device(..

기본적인 샘플링from torch.utils.tensorboard import SummaryWriterimport numpy as npwriter = SummaryWriter()for n_iter in range(100): writer.add_scalar('Loss/train', np.random.random(), n_iter) writer.add_scalar('Loss/test', np.random.random(), n_iter) writer.add_scalar('Accuracy/train', np.random.random(), n_iter) writer.add_scalar('Accuracy/test', np.random.random(), n_iter)tensorboard --lo..

CNN for MNSITimport torchimport torch.nn as nnimport torch.nn.functional as Ffrom torchsummary import summaryclass Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 10, kernel_size=5) self.conv2 = nn.Conv2d(10, 20, kernel_size=5) self.conv2_drop = nn.Dropout2d() self.fc1 = nn.Linear(320, 50) self.fc2 = nn.Linear..

목적패션 데이터셋을 활용하여 모자, 상의, 하의 등의 객체를 탐지하는 코드를 실행합니다.데이터 로드로드하려는 csv 파일 안에 패션에 대한 이미지 URL, 종류, 영역 좌표의 정보가 포함되어 있습니다.이 정보를 로드하여 시각화하고 확인해봅니다.import osimport jsonimport pandas as pdimport numpy as npfrom urllib.parse import *from requests.utils import requote_uriimport requestsfrom tqdm.notebook import tqdmBASE_DIR = os.getcwd()annotations_path = os.path.join(BASE_DIR, 'annotations')images_path = os.p..