- 지난번에 말씀드린 것과 같이 train data가 1프레임 당 1장일 때와 5프레임 당 1장일 때의 정확도 비교를 위해 test data를 동일하게 한 후 학습 시켰습니다.
📌 정리
-
5프레임 당 1장, test data 일부 (5프레임), epoch 20
: training accuracy 70% 부근 근처 왔다갔다 - 75%정도
: validation accuracy 100% -
1프레임 당 1장, test data 일부 (5프레임), epoch 30
: training accuracy 70% 왔다갔다 - 75% 정도
: validation accuracy 100% - 안정적인 100% -
1프레임 당 1장, test data==train data , epoch 30
: training accuracy 70% 대를 유지하지만 굉장히 불안정한 accuracy 를 가짐
: validation accuarcy 또한 75% 정도
✔️ 결론 : 1프레임당 1장이 5프레임당 1장 보다 더 나은 정확도를 도출하는 것이 아님.
✔️ test data == train data 인 경우 이상적인 결과가 나오기 힘들다.
Tenserflow를 위한 GPU 사양 알아보기
** 문희님이 제공해주신 링크들을 참고하여 한번 더 확인하는 작업을 거칠 예정입니다!
-
코랩을 계속 사용하여 학습시키는 것에는 한계가 있으므로 로컬에 딥러닝 학습 환경을 구성하기 위해 노트북의 gpu 사양을 확인해보았습니다.
-
gpu를 확인하는 방법은 window 키+x > 장치 관리자 > 디스플레이 어댑터 를 통해 확인할 수 있습니다.
-
NVIDIA GeForce MX150
-
최신 버전의 텐서플로우를 사용하기 위해서는, NVIDIA GPU 에서 지원되는 Compute capability(Version, 계산 능력)이 3.5 이상이 되어야 합니다. (Compute capability란 GPU 에서 지원되는 연산 특징 버전)
- NVIDIA GeForce MX150 Compute capability는 6.1로 사용이 가능합니다.
-
저의 노트북에는 현재 CUDA 10.0, cuDNN 7.6가 설치되어 있는 상태입니다.
-
텐서플로우를 사용하는데 필수 사양은 아니지만, Nvidia 에서 제공하는 NGC(Nvidia GPU Cloud) 라는 플랫폼이 있습니다. NGC에서는 AI, 머신 러닝 및 고성능 컴퓨팅용 컨테이너를 제공하고 있으며, 모델과 시각화(Visualization) 등의 소프트웨어 등을 제공하고 있습니다.
- 저의 GPU는 NGC 지원 GPU가 아니기 때문에 텐서플로우를 사용하는 데에는 지장이 없지만, NGC를 이용할 수 없습니다.
텐서플로우 GPU 추천 최소 사양
https://hiseon.me/data-analytics/tensorflow/tensorflow-requirements/
NVIDIA GeForce MX150을 이용한 딥러닝 환경 구축에 대한 다양한 사람들의 의견
https://www.reddit.com/r/deeplearning/comments/oce9wv/is_geforce_mx150_enough_for_introductory_deep/
- 구글 코랩의 pro 버전을 결제하여 진행하는 것은 좋은 방법인지에 대한 확인이 필요해보입니다. (월 6만원 정도)
📌 다음 진행 사항
- 데이터 셋 늘려서 다시 학습시키기 + 이진 분류말고 다중 분류로 level up
- train data에 대한 공부가 필요해 보입니다.
❓의문점
- 다중 분류가 되면 같은 데이터 셋 양이어도 정확도가 유지될까?
