[PyTorch] 머신러닝, 딥러닝 프로젝트 설계하고 템플릿 구성하기

  • Jupyter 는 최대한 사용을 회피하고 싶음.
  • 정확한 학습(실험)과 추론 결과를 담보하고, 이를 바탕으로 서비스나 솔루션을 개발, 구축하기 위함.

템플릿 전체 소개

Fig 1. 추천하는 템플릿

모델 클래스와 학습 루프

Fig 2. 사용하고 싶은 딥러닝 모델 클래스
Fig 3. Trainer 클래스

yaml 설정 파일

Fig 4. yaml 설정파일 예시
Fig 5. 설계된 학습 구조

학습 결과 및 결론

Fig 6. 모델 가중치와 파라미터의 관리
  • resume: None 인 경우 train.py 에서는 학습을 scratch 로 실행하여, 새로운 가중치 파일을 생성한다. inference.py 에서는 가장 최근 가중치와 yaml 파일로 추론을 수행한다.
  • resume: “yyyy-mm-dd_hh:mm:ss” 인 경우train.py 에서는 해당 과거 가중치와 yaml 파일을 읽어 와서 학습을 이어나간다(즉, checkpoint). inference.py 는 해당 과거 가중치와 yaml 파일을 읽어와 추론을 수행한다.
Fig 7. 추론 결과와 학습된 모델을 대응시키는 구조로 응용

--

--

--

AI researcher at Promedius Inc. Especially interested in theoretical physics, mathematics and deep learning.

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
Seungmin Ha

Seungmin Ha

AI researcher at Promedius Inc. Especially interested in theoretical physics, mathematics and deep learning.

More from Medium

Recurrent Neural Networks (RNN) — Overview

Data Labeling: How AI Can Streamline Your Data Labelling?

Mimicking Human Continual Learning in a Neural Network

ASR(Speech Recognition) creation with Tranformers NN