딥러닝 남녀 분류

GOAL - 지난 포스팅으로 프로젝트를 마무리하려고 했는데 정확도 그래프를 조금 더 괜찮게 만들고 싶어서 이 점을 개선하려고 합니다. 1. 중간에 뚝 떨어지는 정확도 개선 2. 학습이 계속되고 있는 것으로 보여 epochs 수를 더 늘려봄 3. 정확도 상승 방법 구현 1. 중간에 뚝 떨어지는 정확도 개선 - 보여드린 정확도 그래프에서 보시는 것처럼 뚝 떨어지는 구간이 있고 그것을 없애기 위해 여러 가지 방법으로 해보려고 했습니다. optimizer의 lr을 낮춰 보거나 weghit dacay 값을 낮게 주는 것으로 학습해보았습니다. 1-1 optimizer.Adam의 lr을 절반으로 낮춰서 학습 - optimizer = Adam()의 기본 lr은 0.001입니다. 그래서 절반으로 낮춰서 학습을 시켜보았습..

이때까지 딥러닝을 공부하면서 사용했던 데이터셋들은 Tensorflow에서 제공해주는 CIFAR10만 사용하였습니다. 이번에는 데이터 수집 - 전처리 - 모델링 과정으로 직접 구현해보겠습니다. GOAL - 직접 데이터를 크롤링하여 데이터 셋을 만들고 전처리 과정 경험 - 직접 만든 데이터를 가지고 CNN 분류 모델 구현 Preprocessing - 남녀의 얼굴을 크롤링하고 자르는 작업을 했습니다. 이제 이 데이터 셋에 라벨링 작업을 해줘야 합니다. one-hot 인코딩으로 [1, 0] 이면 남자, [0, 1] 이면 여자로 라벨링 했습니다. 코드) data_dir = "/content/drive/MyDrive/Colab Notebooks/gender_classification/dataset" categori..