Google Colab을 사용했다. 이유는, 라이브러리 같은 거 추가로 설치해줄 필요 거의 없고 협업 시 편리해서다. 작년에 주피터로 아나콘다 가상환경 써서 처음부터 환경 설정 전부 해주다가 말도 안되게 개고생했던 기억이 있어서,,, 심지어 gpu 필요해져서 결국 Colab 사용했다 ㅋㅋㅋㅋㅋ Colab 사용하고서 편리한 환경 설정에 진작 사용할 걸 후회했던,, 기억에 기반했다. 텐서플로우 버전 문제로 참 고생을 많이 했는데, Colab은 텐서플로우가 이미 깔려있어서 정말 편했다,,,,

•

순서

◦

구글 드라이브 연결

◦

데이터 셋 불러오기

◦

사전학습된 VGG16 모델 불러오기

◦

VGG 신경망 모델 디자인

◦

학습 데이터 설정

◦

신경망 모델 학습

•

내 Colab !!

Google Colaboratory

https://colab.research.google.com/drive/1qn8PAzfPeexaznl41cjmqaDcSpzuCamw?usp=sharing

•

참고

Google Colaboratory

https://colab.research.google.com/github/ciu999/note/blob/master/f_8_cats_and_dogs_transfer.ipynb

[Tensorflow] 사전 학습된 VGG16 모델로 이미지 분류하기

이젠 Imagenet의 방대한 데이터로 사전 학습된 신경망 모델만으로도 충분한 분류 성능을 기대할 수 있게 되었습니다. 물론, 특정한 객체를 집중적으로 분류하기 위해서는 추가 데이터를 통한 미세 학습이 (Find-Tuning)이 필요합니다. 이번 포스팅에서는 학습 모델 구축 이전 대략적인 성능 평가를 할 수 있는 사전 학습 모델로 이미지 분류를 Tensorflow로 구현해 보록 하겠습니다. 텐서 플로우 설치나 사전 학습 모델 불러오는 방법의 상세 설명은 이전 포스팅을 참고하시면 됩니다. deep-eye.tistory.com/7 [Tensorflow] 아나콘다 가상환경에서 텐서플로우 설치하기 2019년 말, 텐서플로우 2.0 버전이 배포되면서 머신러닝 분야에서 텐서플로우의 열기는 더욱 더 뜨거워졌습니다. ..

https://deep-eye.tistory.com/38

[Tensorflow] VGG16 모델을 이용하여 CNN 이미지 분류기 학습하기

1. Concept 지난 포스팅에 이어, 이번 포스팅에서는 특정한 객체를 집중적으로 분류하기 위해 사전 학습된 신경망 모델을 기반으로 가장 기초적인 방법을 통해 미세 학습 (Find-Tuning)을 구현해 보록 하겠습니다. ImageNet으로 학습된 VGG16 모델을 기반으로, Kaggle에서 제공되는 고양이 강아지 분류 데이터를 활용하겠습니다. 데이터는 200mb 정도이며 Kaggle 원문 링크 또는 구글 드라이브에서 받으실 수 있습니다. 구현 환경 : Windows 10 / Conda / Python 3.8 / Tensorflow 2.2 / CUDA 10.2 이전 포스팅을 참고하시면 기초적인 텐서플로우 구현에 도움이 됩니다 [텐서플로우] 아나콘다 가상 환경에서 텐서플로우 설치하기 [텐서플로우] 텐서플..

https://deep-eye.tistory.com/41

캐글(kaggle) 데이터셋, 코랩(colab)에서 불러오기 (2가지 방법)

캐글 노트북 UI와 여러가지 기능들이 개선되고 있지만 개인적으로는 코랩이 반응 속도도 빠르고 구글드라...

https://blog.naver.com/PostView.naver?blogId=comedu03&logNo=222429703891&redirect=Dlog&widgetTypeCall=true&directAccess=false

하루 정리

TIL 작성하기

BeachCombine

머신러닝 모델 환경 설정