VGG16 ์ธ๋ค์ผํ ๋ฆฌ์คํธํ 4/21 ๋ชฉ ๋ชฉ์์ผ! ์ค๋์ Fine Tuning์ ๋ฐฐ์ฐ๊ณ CNN์ ๋ง๋ฌด๋ฆฌ ์ง๋๋ค. DNN - ๊ฐ์ง ์ด๋ฏธ์ง๋ค์ ํฝ์ ์ ํ์ต CNN - ๊ฐ์ง ์ด๋ฏธ์ง๋ค์ ํน์ฑ์ ์ถ์ถํ์ฌ ํ์ต ์ถฉ๋ถํ ์์ ๋ฐ์ดํฐ๊ฐ ์๋ ๊ฒฝ์ฐ ์ด๋ฏธ์ง ์ฆ์(Augmentation) ๊ธฐ๋ฒ์ ์ฌ์ฉ ํ์ต ์๊ฐ์ ์ค์ด๊ณ ๋ ์ข์ filter๋ฅผ ์ด์ฉํ๊ธฐ ์ํด ์ ์ดํ์ต(Transfer Learning)์ ์ฌ์ฉ ์ด๋ฏธ์ง ๋ฐ์ดํฐ์ ํ์ต ์ Feature Extraction(CNN) ์ดํ Classification(๋ถ๋ฅ๊ธฐ)๋ก DNN์ด ์ ํฉํ์ฌ ์ฌ์ฉํ๊ณ ์์ง๋ง, ๋ค๋ฅธ ๋ถ๋ฅ๊ธฐ๋ค์ด ๋ง์ด ์์(SVM, Decision Tree, KNN, Naive Bayes, ์์๋ธ ๊ธฐ๋ฒ) * ์ ์ดํ์ต์ Pretrained Network ์ค EfficientNet๊ณผ ResNet ์ฑ๋ฅ์ด ์ข์ 1. .. ๋๋ณด๊ธฐ 4/20 ์ ์์์ผ! ์ค๋์ ์ด๋ฏธ์ง ์ฆ์(Image Augmentation)๊ณผ ์ ์ดํ์ต(Transfer Learning)์ ๋ํด ๋ฐฐ์ด๋ค. AWS ์๋ฒ ์ผ๊ณ PuTTY๋ก ๊ฐ์ํ๊ฒฝ ์ด์~ (AWS GPU ์ฌ์ฉํ๋ ค๋ฉด, ์ฟ ๋ค ์ ์ฉํ๊ณ ์ฝ๋ ์ธ ๋ ์ค์ ์ถ๊ฐํด์ผ ํจ) Over-Fitting ์ค์ด๋ ๋ฐฉ๋ฒ์ ๋ง์ ์์ ๋ฐ์ดํฐ๋ฅผ ์ฌ์ฉ, feature์ ๊ฐ์๋ฅผ ์ค์, ๊ท์ (L1, L2) ์ฌ์ฉ, Dropout ์ฌ์ฉ! conda activate machine_TF2_18 jupyter notebook --ip=0.0.0.0 --no-browser --port=8918 1. 4000๊ฐ์ ์ ์ ๋ฐ์ดํฐ๋ก ๋ชจ๋ธ๋ง # ์ผ๋ถ ์ด๋ฏธ์ง ๋ถ๋ฆฌ(์ด 4000๊ฐ) import os, shutil original_dataset_dir = './data/cat.. ๋๋ณด๊ธฐ ์ด์ 1 ๋ค์