패스트캠퍼스 챌린지 25일차

 

오늘도 어제에 이어서 같은 주제로 강의를 들었다. 다소 어려운 주제이다. MobileNetV3도 나오고 함수형 API 나오며 조금의 설명 뿐이다. 부랴부랴 찾아서 무슨 함수인지 찾아보았다.

 

MobileNetV3은 NetAdapt 알고리즘이 적용된 NAS을 사용하여 구조를 탐색하고, 탐색한 구조를 수정하여 성능을 개선한 모델이라고 한다.

network search하는 방법(자동적으로 최적화)으론 AUTOML적인 관점을 사용해서 structure를 searching하고 tuning하는 방법, block단위에서 최적화, layer단위에서 최적화가 있다고 한다.

...

 

지금 레벨에서는 이해하기는 힘들 것 같고, 주어진 대로 적용하고 넘어가야 겠다.

 

함수형 API에서는 직접 텐서들의 입출력을 다룬다. 함수처럼 층을 사용하여 텐서를 입력받고 출력한다.

케라스는 input_tensor에서 output_tensor로 가는 데 필요한 모든 층을 추출한다.

그 다음 이들을 모아 그래프 데이터 구조인 Model 객체를 만든다.

 

def create_model():
  inputs = keras.Input(shape=(RES,RES,3))
  x = preprocess_input(inputs)
  x = mobilenetv3(x)
  x = GlobalAveragePooling2D()(x)
  x = Dense(N_CLASS)(x)
  x = BatchNormalization()(x)
  outputs = Softmax()(x)
  model = keras.Model(inputs=inputs, outputs=outputs)
  return model

오늘의 사용했던 코드이다. 

 

다행인 것은 "케라스 창시자에게 배우는 딥러닝"을 모두 봐서인지 전체적인 구조는 파악할 수 있었다. 하지만 최신 논문들이 낸 기법은 아직 배우지 않아서 이를 사전에 공부하고 강의를 들으면 더 좋을 것 같다.

 

 

 

#패스트캠퍼스 #패캠챌린지 #직장인인강 #직장인자기계발 #패스트캠퍼스후기 #퀴즈처럼풀면서배우는파이썬딥러닝300제+연습문제패키지Online

 

 

 

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

 

패스트캠퍼스 링크 : https://bit.ly/3FVdhDa