Deep learning 코드 복습할 때 보는 목차

[leggiero-crescendo]

Image classification 순서

1. Get dataset

   • torch vision 지원되는 걸로 사용 했지만,,,!! 아닌건 입력되는 방법 찾아두기(뒤에 나올 듯)
   • transform을 해야합니다.(raw data를 변환하여 가져오는)

2. DataLoader

   • 학습 데이터 준비

3. Model 설계

   • Lenet5 kernel과 layer 정보 ! forward 연산선언 !!

4. main에서 train 설정

   • model 불러오기 -> device 올리기
   • optimizer & scheduler define
   • loss function 설정해주기 (따로 파일에서 설정)
   • epoch , iter define
   • 하나의 epoch 안에서 -> 한번에 train_loader 에서 batch의 갯수에 따라 이미지와 인퍼런스 !!
   • output 결과와 gt결과에 따라 loss 계싼
   • backpropagation 진행(loss_val.backward()->optimizer.step -> zero_grad -> total loss 계산)
   • 한 epoch 마다 scheduler step , torch.save(model.state_dict(), args.output_dir,~~pt)

5. eval

   • model 부르기
   • save 형태에 따라 load 방식이 달라지겠지만 위의 형태일때는

     checkpoint = torch.load(args.checkpoint)
     model.load_state_dict(checkpoint)
     model.to(device)
     model.eval()

   • model inference 만 해줌 out 과 gt 비교함