멀티캠퍼스 프로젝트형 AI 서비스 개발 5회차 썸네일형 리스트형 5/19 목_인공지능 프로젝트 오랜만!! 드디어 인공지능 프로젝트가 마무리되었다! 4/26 화요일부터 5/17 화요일까지 22일 동안 작업하고, 5/19 오늘! 발표를 진행했다. 프로젝트 주제는 우리가 배운 내용을 활용하여, 사회적인 문제를 해결하는데 도움이 될 수 있는 서비스로 선정하였다. 조원들과 미리 대본과 시연 영상을 만들어 놓았고 발표는 내가 함! 사전에 리허설 여러 번 했을 때는 문제가 없다가, 막상 발표 순번이 되었을 때 줌으로 화면 공유가 안 되어서 당황했다ㅜ 줌을 나갔다 다시 들어오느라고 소리 공유 설정이 풀리는 바람에 시연 영상 초반부 음성이 안 나와서.. 너무 아쉽다. 😇 1조 - 신용카드 사용자 연체 예측 AI 경진대회 2조 - 데이콘 생육환경 최적화 경진대회 3조 - 수어 인식 모델 구현 4조 - 데이콘 CV .. 더보기 4/22 금 금요일!!!!!!!!!!!!!!!!!! 😎😁🐱👤 멀티캠퍼스 수업은 오늘로 끝이 나고 다음주부터 AI 프로젝트에 들어간다. 오늘은 Efficient Net(TFRecord, Functional API, Average Pooling 새롭게 사용)으로 학습을 돌려본다. 1. Image Augmentation + EfficientNet + Average Pooling + Early Stopping + Checkpoint !pip install efficientnet !pip install tensorflow-addons import os import numpy as np from tensorflow.keras.preprocessing.image import ImageDataGenerator import eff.. 더보기 4/21 목 목요일! 오늘은 Fine Tuning을 배우고 CNN을 마무리 짓는다. DNN - 가진 이미지들의 픽셀을 학습 CNN - 가진 이미지들의 특성을 추출하여 학습 충분한 양의 데이터가 없는 경우 이미지 증식(Augmentation) 기법을 사용 학습 시간을 줄이고 더 좋은 filter를 이용하기 위해 전이학습(Transfer Learning)을 사용 이미지 데이터셋 학습 시 Feature Extraction(CNN) 이후 Classification(분류기)로 DNN이 적합하여 사용하고 있지만, 다른 분류기들이 많이 있음(SVM, Decision Tree, KNN, Naive Bayes, 앙상블 기법) * 전이학습의 Pretrained Network 중 EfficientNet과 ResNet 성능이 좋음 1. .. 더보기 4/20 수 수요일! 오늘은 이미지 증식(Image Augmentation)과 전이학습(Transfer Learning)에 대해 배운다. AWS 서버 켜고 PuTTY로 가상환경 열자~ (AWS GPU 사용하려면, 쿠다 적용하고 코드 쓸 때 설정 추가해야 함) Over-Fitting 줄이는 방법은 많은 양의 데이터를 사용, feature의 개수를 줄임, 규제(L1, L2) 사용, Dropout 사용! conda activate machine_TF2_18 jupyter notebook --ip=0.0.0.0 --no-browser --port=8918 1. 4000개의 적은 데이터로 모델링 # 일부 이미지 분리(총 4000개) import os, shutil original_dataset_dir = './data/cat.. 더보기 4/19 화 화요일! 오늘은 AWS(클라우드 시스템) 사용법에 대해 알아보고, AI 프로젝트 조편성 전 강사님과 면담이 있다. 부득이하게 서버 혹은 작업한 내용이 날아갈 수 있으므로, GitHub나 로컬에 매일 백업해놓자! 사용법은 멀캠에서 준 첨부파일들을 참고하자~ * 서버 사용 가능한 시간 : 평일 9:00 ~ 18:30. GPU 1개 1. AWS 사용자 정보로 접속 → 리전을 도쿄로 변경 → 서비스 창에서 EC2(클라우드의 가상 서버) 검색 후 클릭 → 배정받은 서버(인스턴스) 정보 확인 후 팀별로 할당된 서버 선택 → 팀원 한 명이 매일 아침 서버 동작(인스턴스 상태) 확인 후 서버 실행(인스턴스 시작) https://multicampus-aws.signin.aws.amazon.com/console 2. 암호.. 더보기 4/18 월 월요일! 오늘은 복잡한 이미지 학습(캐글의 개와 고양이 예제)과 Generator를 배운다. 1. 이미지 파일 → csv 파일로 변환 jpg 파일을 읽어서 RGB pixel 값을 얻어내고(decoding) 실수로 변환한 다음 정규화 작업을 위해 관리자 권한으로 tqdm(상태 진행률 알려주는 프로그레스 바 라이브러리)과 ipywidgets, 이미지 처리를 위한 opencv 설치 @ Anaconda Prompt conda install -c conda-forge tqdm conda install -c conda-forge ipywidgets pip install opencv-python jupyter notebook @ Jupyter Notebook import numpy as np import pandas.. 더보기 4/15 금 악 금요일!!!!!!!!!!!!!!!!!!!!!!! 😇🥳 오늘은 MNIST를 CNN, Tensorflow 2.x, Colab으로 구현한다. Params(weights) = ksize Height × ksize Width × filter 개수 + b(filter 개수) 1. MNIST by CNN, Tensorflow 2.x, Colab import numpy as np import pandas as pd import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Flatten, Dense from tensorflow.keras.layers import Conv2D, MaxP.. 더보기 4/14 목 목요일! 오늘은 CNN을 실제 코드로 구현해본다! 이미지 한 장 : 2차원(X, T) → Convolution Layer :: Feature Map : 2차원 여러 개 → Activation Map : 3차원 → X 데이터(이미지 정보. 이미지 개수, 세로, 가로, Channel) : 4차원 Data ▶ conv : 특징을 뽑아낸 이미지가 여러 장이 되도록 반복 작업(이미지 개수, Feature Map 세로, Feature Map 가로, filter의 개수) ▶ Pooling Layer :: conv 작업을 거친 여러 장의 데이터 사이즈를 줄임 ▶ conv :: Pooling Layer를 거친 데이터의 특징을 또 뽑아냄 ▶ FLATTEN :: 4차원 → 2차원(batch size 포함할 때) 1. Cha.. 더보기 이전 1 2 3 4 ··· 8 다음
