CNN
1.CNN-1단계
1. 머신러닝과 딥러닝의 차이 미프 2차를 통해, 머신러닝과 딥러닝을 실습해보았다. x주제에 대한 df을 받아서, 데이터 전처리를 거치고, 머신러닝과 딥러닝을 각각 돌려보면서 더 우수한 성능을 나타내는지 비교분석했다. 신기하게도, 머신러닝 모델에서 더 좋은 mae와
2.CNN-2단계(Data Augment)
지금까지는 tensorflow에서 제공된 이미지 데이터를 사용했는데, 실제 환경에서는 원하는 데이터를 충분히 확보하기는 힘들다. 그래서 필요한 방법이 데이터 증폭이다. 해당 방법은 제한된 데이터셋에 회전, 늘림, 방향 조정 등과 같이 조작을 하여, 많은 데이터셋을 확
3.CNN-3단계(Checkpoint,Save,load / 구글 드라이브 연결)
checkpoint의 경우, Earlystopping과 같은 단계에서 작성해준다.
4.CNN-4단계(tensorflow 모델 가져와서 사용하기_transfer / object detection 개념)
우리가 직접 CNN 모델을 만드는 방법을 아는 것은 중요하다.이미 잘 만든 model이 있다.해당 model을 쓰는 방법을 알아야 한다. 현재, 직접 만드는 것이 아닌 가져다가 쓰는 것이 트렌드라고 한다.VGG16 모델을 불러와서 사용할 것이다.transfer lear
5.CNN-5단계(roboflow 데이터셋 - YOLO8 모델)
ultralytics에서 제작한 Object Detection에 특화된 YOLO8n 모델을 사용할 것이다.다양한 이미지 데이터셋을 제공하는 roboflow에서 데이터셋을 사용할 것이다.데이터셋 코드는 원하는 데이터셋 페이지에서 복사해서 얻어오면 됨.roboflow에서
6.CNN-미니프로젝트
1. 데이터를 traning, val set으로 8:2 분할 1. 라이브러리 로딩 import os import shutil from sklearn.modelselection import traintest_split import json 2. 폴더 경로 지정 data