model 2

[논문 리뷰] EfficientNetV2: Smaller Models and Faster Training

약 2년 전 공개했었던 EfficientNet은 다른 모델들에 비해 빠른 학습 속도와 좋은 성능으로 Image classification 분야에서 활발하게 활용되었습니다. 그리고 최근 구글에서 기존의 EfficientNet과 비교해서 학습 속도와 정확도를 더욱 개선한 EfficientNet V2를 발표했습니다. 기존의 모델에 비해서 빠른 학습 속도를 보여준다고 하는데 해당 논문의 핵심 부분만 간략하게 정리해보도록 하겠습니다. EfficientNet ? 네트워크의 파라미터 수를 감소시키면 모델이 작아지고 그에 따라서 메모리에 쉽게 올릴 수 있는 등 다양한 이점이 있습니다. 하지만 파라미터 수를 감소시키면 모델의 성능 또한 감소한다는 문제점이 발생합니다. 그렇기 때문에 성능 감소 없이 파라미터 수를 최소화하..

논문 리뷰 2021.05.16 (1)

[tf.data] TensorFlow Input Pipelines

딥러닝 기법을 사용할 때, 가장 중요하다고 생각되는 부분은 단연 데이터입니다. 데이터를 수집하고 전처리하는 등의 데이터 준비 과정이 최종 모델의 정확도에 가장 큰 부분을 차지한다고 생각합니다. 공들여 준비한 데이터를 모델 훈련에 사용할 때 다양한 데이터 입력 방법들이 존재합니다. 이번 포스트에서는 준비된 이미지 데이터를 사용하기 위한 입력 파이프라인 방법에 대해서 정리해보도록 하겠습니다. tf.data.Dataset classes = os.listdir(path) filenames = glob(path + '/*/*') random.shuffle(filenames) labels = [classes.index(name.split('/')[-2]) for name in filenames] 위 4줄짜리 코드로..

텐서플로우 2021.04.20