[Tech Study] 12월 AI Team

안녕하세요! 

GDSC SSWU 23-24 chapter AI Study Team입니다☺️

 

12월에는 종강과 함께 Study도 막을 내렸는데요! 

저희 스터디 팀은 

총 47개의 강의를 완강했습니다!!

너무 너무 고생 많으셨습니다.

 

그럼 마지막 스터디 내용 회고를 해보도록 하겠습니다~! 

 

저희는 11월에 강의를 열심히 들어놓아서 12월에는 총 두개의 섹션만 완료하면 완강이었습니다. 

 

 

우리가 무언가를 저장을 할 때 불러와 주는 함수들에 대해서 배웠습니다. 

# 시각화 
losses_accs = np.load('./exp31_initialization_effect_LeNet5/losses_accs.npz')

fig, ax = plt.subplots(figsize=(35, 15))
ax2 = ax.twinx()

epoch_range = np.arange(1, 1+len(losses_accs['train_losses'])) # 0부터 99가 되는 것을 방지
# print(epoch_range)
ax.plot(epoch_range, losses_accs['train_losses'], color='tab:blue',
        linestyle=':', linewidth=2, label='Train Loss')
ax.plot(epoch_range, losses_accs['validation_losses'], color='tab:blue',
        label='Validation Loss')

ax2.plot(epoch_range, losses_accs['train_losses'], color='tab:orange',
        linestyle=':', linewidth=2, label='Train Accuracy')
ax2.plot(epoch_range, losses_accs['train_losses'], color='tab:orange',
        label='Validation Accuracy')


ax.legend(bbox_to_anchor=(1, 0.5), loc='upper right',
          fontsize=20, frameon=False)
ax2.legend(bbox_to_anchor=(1, 0.5), loc='upper right',
          fontsize=20, frameon=False)

위의 코드를 시각화 한 결과가 위의 사진인데, 

두개의 축이 존재하고, 실선은 validation, train은 점선으로 표현.

 

오른쪽 축 accuracy, 파란색 왼쪽 축 loss

loss는 줄고, accuracy는 커지는 것이 이상적입니다.

중요했던 부분은

"plt.close()" 를 꼭 해주어야 한다는 점이었습니다.

그렇지 않으면 RAM을 계속 사용하게 되어 문제가 발생했습니다.

​

총정리 : Utility 함수는 코드를 간결하게 작성하고 유지 보수를 향상시키기 위한 목적으로 사용이 되며,

학습면에서 시간과 비용이 많이 드는 머신러닝분야에서 일반적인 작업을 간소화 시켜 주어 효율적으로 모델을 구축하고 학습시킬 수 있게 도와주는 역할을 합니다. 

 

 

여러개의 모델을 학습 시키는 방법에 대해서 공부했습니다. 

그 중에서도 모델을 Serial하게 돌리는 방법,

argparse에 중점을 두어 공부했습니다. 

그래서 학습을 하면서 구축했던 LeNet 구조가

argparse를 통해 

인덱스에 따라서 같은 폴더에 저장되는 것이 아니라 쭉 10, 11, 12,,, 와 같이 저장되는 것을 볼 수 있었습니다. 

 

---

 

여기까지 완강을 하였는데요, 

길다면 길고 짧으면 짧은 시간동안

혼자였더라면 못했을,

팀원들과 함께여서 만들 수 있었던 성취였습니다.

 

 

마지막으로 저희 팀원들과 

스터디 기간을 회고해보는 시간을 가졌습니다😊 

너무 멋진 우리 멤버들!! 

 

앞으로도 일취월장 합시다!!!!✨✨

 

감사합니다.