머신러닝 팀플 3일차

학습

오늘은 어제 만들었던 코드의 정확성을 올리고 실제로 우리 팀이 만들어논 4가지 카테고리

기쁨, 분노, 슬픔, 중립 4가지의 표정을 분리할 수 있도록 학습시키는 시간을 가졌다

 

학습하기 위해 내가 세팅한 값이다

from tensorflow.keras.applications.inception_v3 import InceptionV3

input = Input(shape=(224, 224, 3))

base_model = InceptionV3(weights='imagenet', include_top=False, input_tensor=input, pooling='max')

x = base_model.output
x = Dropout(rate=0.2)(x)
x = Dense(64, activation='relu')(x)
output = Dense(4, activation='softmax')(x)

model = Model(inputs=base_model.input, outputs=output)

model.compile(loss='categorical_crossentropy', optimizer=Adam(lr=0.0005), metrics=['acc'])

model.summary()

이 코드로 최대 0.914의 값을 얻게 되었다 다른 여러가지 값을 바꾸어가며 학습을 시켜 봤었는데

0.9, 0.87, 0.85......정도의 값만 나오게 되어서 이 정도까지가 프로젝트 시간 안에 최대로 가질 수 있는 값이었던것 같다

 

 

 

타이어택

 

저녁 시간에는 타임어택을 진행하게 되었다

강아지와 고양이를 분류하는 서비스를 단계별로 구현해 보는거였는데

3가지 난이도로 진행되었다

 

[1단계]

1. 코랩에서 데이터를 다운로드 받는다.
2. flow_from_directory 를 통해 데이터를 전처리하며 불러온다.
3. cnn 혹은 전이학습을 통해 강아지와 고양이를 분류하는 모델을 학습시킨다.

[2단계]

1. flask 프로젝트를 만든다.
2. flask를 활용해 웹 상에서 제목과 함께 이미지를 업로드할 수 있는 파일 업로드 기능을 구현한다.
3. flask를 활용해 웹 상에서 이미지를 업로드하면 해당 이미지가 강아지인지, 고양이인지에 대한 결과를 출력해준다.

[3단계]

1. 파일이 업로드 한다고 해서 바로 결과 페이지로 넘어가지 않고, 제목을 토대로 특정한 이미지를 검색해서 결과를 볼 수 있도록 구현한다.

 

 

결과는 여기에서 확인가능 https://github.com/yinmsk/exam