강의내용
(5강) 모델최적화기법(1); Data augmentation 및 AutoML 실습
1. Overview: Image augmentation
은 많으니 pdf보자. 밑에는 내가 흥미 있는걸 적겠다.
posterize
cutout
2. Image Augmentation 논문 리뷰
어떤 augment를 사용할지도 auto ml로 찾자.
근데 진짜 모든 경우의 수를 다 넣으면 시간이 너무 많이 걸리는데 augment도 너무 많이 하면 성능도 안나오니까 한번에 하는 갯수를 낮추고 하는게 성능도 더 개선되고 훨씬 빨라진다.
3. Rand Augmentation 적용하기
는 지금 프로젝트에서 주어진 baseline 코드 설명이라 pdf 보는게 나을듯.
4. AutoML 구동 및 결과 분석
"지금까지 배운걸로 모델 만들어주세요" 를 AutoML로 만든 결과. 특이한건 빨리 학습시키려고 train data 갯수를 1/5로 줄여서 사용했다.
시간을 줄여야 한다
- 학습 시간을 줄이고 싶은데, 데이터 셋을 소규모로 sample해서 모델을 찾아도 될까?
- 모델의 성능에 가장 큰 영향을 주는 인자만 Search space로 넣고 싶은데, 어떤 것들 일까?
- 등등
'과거의 것들 > AI Tech boostcamp' 카테고리의 다른 글
P-stage4 [day7] (7강) 모델최적화기법(2); Tensor Decomposition 실습 (0) | 2021.12.05 |
---|---|
P-stage4 [day6] (6강) 모델최적화기법(2); Tensor Decomposition 이론 (0) | 2021.12.05 |
P-stage4 [day4] 모델최적화 기법(1); Automl 실습 (0) | 2021.12.05 |
P-stage4 [day3] 모델최적화 기법(1); Automl 이론 (0) | 2021.12.05 |
P-stage4 [day1] 경량화 분야 소개 & 강의 소개 (0) | 2021.12.01 |