<오늘의 실험>
무려! 딥러닝 수준에 다가가지도 못하는 몇년전의 LeNet-5 모델을 이용해 한번 작업을 구성하였다.
단순 성대 검출모델로서
라벨링된 이미지를 1, 안된 이미지를 0 으로 잡고.
C1 : 440,440,1 (channel) > 220,220,6
S2 : 220,220,6 > 110,110,6 (Maxpooling)
C3 : 110,110,6 > 110,110,16
S4 : 110,110,16 > 55,55,16
FCN5 : 55x55x16 > 128
FCN6 : 128 > 2
Epoch을 4로 잡고, batch size를 128로 잡았더니,,맥북 팬소리가 굉음이…CPU가 타버릴 것 같아서
batch_size를 4로 잡았다. 4로 돌리는데 속도가 7초가량.
Training Set 를 네번 돌리면 총 8000초니까…2시간은 넘게 걸린다.
괜히 GPU로 구성하는게 아니구나 싶었다. 게다가 RGB 3채널로 간다면..그야말로..영혼 탈출할듯
<중간결과 – 1>
한시간 가량 4단계의 epoch동안 test set에서 돌린 accuracy는 0.69 수준으로 매우 낮았다.
epoch이 늘어도 결과가 변하지 않던데,
1) GPU세팅해서 집에서 resnet 모델로 바꿔 볼 것
2) deconvolution 을 통한 확인
등이 필요하겠다.
<중간결과 -2 >
동일한 소스를 집에있는 데스크탑에서 돌렸는데(i5-6500, 8GB)
속도가 오히려 맥북보다 느린데, 이상하게 학습이 잘되는 것인지, 테스트셋에 대한 결과가 훨씬 잘나온다.
1 Epoch에 0.86, 2 Epoch에 0.89, 3 Epoch에 0.93, Loss 값도 떨어지는 것이 확인된다.
묘한 결과. (한시간반동안 고작 3 Epoch밖에 못돌렸다는 것이 한계)
