사용 방법

• 모델 학습방법: train.py가 있는 디렉토리에서 python train.py --device cuda
• gradio 사용 방법: gradio_interface.py에서 실행

수정 사항 05.30

• 중복된 코드 제거
• 사용하지 않는 라이브러리 제거
• dataset에서 경로를 인식하지 못해 코드 추가

import os
import sys
# 현재 파일의 디렉토리를 가져온 후 상위 디렉토리 경로를 추가
sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

from src.utils import initialize, label_description

• glob.glob()에서 데이터 파일을 읽는 경로가 train/train/ test/test 형식으로 되어있어 data의 test와 train 을 각 각 추가

수정사항 06.01

• efficentnet_b0 -> b4로 변경
• CNN2RNN 부분 제거
• train에서 model()안에 안 사용하는 인자 제거후 class_n만 삽입
• img만을 입력값으로 하여 출력물을 받기로 하였으므로 train.py에서 taing_step 부분에 model()의 인자 및 csv관련 부분에서 img_feature 삭제
• trainig_roop에 dataset.py에서 csv파일을 로드하는 과정이 있어 오류가 발생하였으므로 에서 csv를 받는 부분을 전부 삭제

git pull young 하는 과정에서 코드가 좀 꼬여서 juneon폴더 내려받고 수작업으로 옮긴 후 push 과정에서 또 오류가 발생해 그냥 git push --force 했습니다

수정사항 06.02

• src.utils에서 label_description()의 label_description을 용하기 위해 이름을 label_description_dict로 수정하고 출력하게 만들었다
• label_description()을 label_decoder, label_encoder로 받았던 dataset에 받는 인자를 _로 하나 더 추가함
• gradio에서 predicted로 받은 텐서 값을 정수 인자로 바꾼 후 decoder로 해당 value를 출력하게 만듬 ex) 3_b7_3
• 이 값을 label_description_dict에 넣어줘 키로 value를 찾을 수 있게 함 ex ) 딸기 정상

수정사항 06.03

• argments 에서 device의 default 값을 cpu에서 cuda로 수정
• 학습률을 5e-4 에서 1e-4 로 에폭을30에서 10으로 수정
  
• split_dataset()에서 train,val,label_train,label_val 에서 X_train, X_test, Y_train, Y_test로 이름 변경

trial2

trial3

• 학습률 1e-3로 높인 후 시도
  

trial4

• 데이터 증강 부분에 p= 0.2에서 0.3으로 조정
• 데이터 증강 부분에 이미지 축스 범위 줄임
  

trial5

• model을 efficentb4에서 resnet101으로 교체
  

모델 프린트

trial6

• model에서 dropout을 제거 (model은 다시 efficentb4)
  

trial7

• 에폭 6