들어가기 앞서
이번에 배운 ResNet 의 기본 구조를 직접 만들고 사용해보면서 익숙해지는 시간을 가져봅니다.
수업 때 다룬 Residual/bottleneck Block 을 직접 만들어보면서,
ResNet 에 적응하면서, Keras 의 Functional API 를 이해합니다.
Transfer Learning 에서는 기본 모델에서
다양한 Task 를 해결하는 과정을 살펴보고, 직접 Task 를 해결해봄으로서
Fine Tuning 에 익숙해져봅시다.
4주차 스터디 영상과 강의록
강의 녹화본
토요일에 업로드 예정입니다!
강의록
과제
목표
•
CNN 의 활용모델인 ResNet 이해하기
•
Transfer Learning 이해하기
제출해야 할 파일과 파일 경로
이번엔 폴더가 많습니다만, week4.ipynb 을 보고 진행하면서,
필요할 때 다른 폴더를 살펴보면 되겠습니다.
.
├── imgs
├── resnet # resnet 실습 관련
│ ├── resnet-classroom # resnet 관련 실습
│ │ ├── a_base
│ │ │ # ImageNet 기반의 ResNet 추가학습
│ │ │
│ │ ├── b_domain
│ │ │ # A 기반의 Fine Tuning
│ │ │
│ │ ├── c_augmentation
│ │ │ # A 기반 Fine Tuning + Data Augmentation
│ │ │
│ │ ├── d_dog_breeds
│ │ │ # A 기반 Fine Tuning(개 품종 25개 맞추기)
│ │ ├── data # 학습에 사용한 데이터
│ │ │ ├── base
│ │ │ │ ├── images
│ │ │ │ └── views
│ │ │ ├── dog_breeds
│ │ │ │ └── images
│ │ │ └── domain
│ │ │ └── images
│ │ └── e_localization
│ │ # A 기반 Fine Tuning(Head 위치 예측)
│ │
│ └── resnet-web # 웹 배포용 모델 가중치
│ ├── assets
│ └── models
│ ├── a
│ ├── b
│ ├── c
│ ├── d_head
│ └── e_head
├── shared # classroom & web 공통 모듈
├── subtask # 과제 진행시 사용할 디렉토리
│ ├── data
│ └── runs
└── support # 관련 헬퍼 함수
Shell
복사
마감 기한
11월 4일 23:59
제출 방법
자신의 레포지토리에 weekn 폴더를 생성해 wil.md 파일을 제출합니다.
더 자세한 사항은 아래 링크를 참조해주세요.
