글
전이학습 w/ GPT
# ResNet50 ResNet50의 주요 특징 Residual Block : ResNet의 핵심은 잔차 블록입니다. 잔차 블록은 입력을 직접 출력에 더하는 스킵 연결(skip connection)을 사용하여 기울기 소실 문제를 완화합니다. 이는 네트워크가 더 깊어지더라도 학습이 원활하게 이루어지도록 돕습니다. 50층 구조 : ResNet50은 50개의 층(컨볼루션 층, 배치 정규화 층, ReLU 활성화 함수 등)으로 구성되어 있습니다. 이러한 깊은 구조는 복잡한 특징을 학습할 수 있게 합니다. 사전 학습된 가중치 : ResNet50은 ImageNet 데이터셋으로 사전 학습된 가중치를 제공하여 전이 학습에 유용하게 사용됩니다. 이는 새로운 작업에 대해 빠르게 수렴하고 높은 성능을 발휘할 수 있도록 돕습니다. ResNet50의 구조 ResNet50은 다음과 같은 층으로 구성됩니다: Conv1 : 7x7 컨볼루션, 64 필터, 스트라이드 2 Max Pooling : 3x3, 스트라이드 2 Conv2_x : 3개의 잔차 블록 Conv3_x : 4개의 잔차 블록 Conv4_x : 6개의 잔차 블록 Conv5_x : 3개의 잔차 블록 Fully Connected Layer : 최종 분류를 위한 완전 연결 층 #출처 : [TensorFlow][Keras][ResNet50] ResNet50, Transfer Learning, Tutorial # 관련예제(출처) ResNet50를 사용하여 이미지 분류 에어리언, 프리데이커 # data_transforms는 내가 위에서 설정한 애로 사이즈 224,224로 재설정하고 텐서형태로 변환되어있음 # 그럼으로 새로 불러온 img1과 img2 둘다 같은 전처리를 거쳐야함 # data_transforms에는 Compose클래스가 가진 __call__이라는 스페셜 메서드가 있음으로 함수로 정하지 않았지만 ()를 붙여서 이미지를 넣으면 함수처럼 이미지가 data_transforms안에 설정된 것들이 적용됨 img...