분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
[Baseline]2. 전이학습(transfer learning)을 통한 수화 이미지 분류
이번 베이스라인에서는 전이학습(transfer learning) 을 이용하여 수화 이미지 분류를 해보겠습니다!
* 코드를 어떻게 실행시켜야 할지 잘 모르시는 분은 아래 "코랩으로 데이콘 참여하기"를 먼저 봐주세요!
https://dacon.io/competitions/official/235836/talkboard/404882
* 데이터를 살펴보는 탐색적 데이터 분석 (Exploratory Data Analysis, EDA) 코드를 먼저 보고 오시면 좋습니다.
안녕하세요! 우리는꿈나무님.
질문 주신 내용에 대해 말씀드리자면,
위의 '[Baseline]2. 전이학습(transfer learning)을 통한 수화 이미지 분류' 코드는
전이학습 활용 방법에 대해 설명하기 위해 워딩을 전이학습이라고 하였습니다.
그러나 데이콘 베이직 대회 규칙 상 사전 학습된 모델을 사용하는 것은 금지 되어 있기 때문에
모델은 'efficientnet_b3' 로 전이학습 모델 구조를 사용하되 사전학습이 불가능하도록,
'pretrained=False' 로 설정하여 미리 학습된 weight들은 가져오지 않게 하고, 랜덤하게 weight를 부여한 후 전이학습 모델 구조만 가지고 학습 진행하도록 코드를 설명 드렸습니다.
따라서 코드 마크다운 본문에서도 전이학습 모델 efficientnet_b3 구조는 사용하지만
'사전 학습 모델을 사용하는 것은 부정행위에 해당하니, pretrained 파라미터를 False 로 설정해야 합니다!'
라고 기재해 두었습니다.
감사합니다.
전이 학습이란 말을 쓰면 안되겠는데요?
https://builtin.com/data-science/transfer-learning
transfer learning이란 과정 자체가
pre-trained model을 사용해서 재 학습 하는 걸 말하는 것 같아요.
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io | 전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
transfer learning은 pretrained된 모델을 사용해서 적은 데이터나 학습량으로 빠른 성능을 내는 것으로 알고 있었는데 pretrained된 모델을 사용하지 못하는 상황에서 transfer learning이라고 해도 될까요...?