[2주차 라이브세션 후기] 학습모델, 코드 등 다양하게 멘토링 해주심

다른 일이 있어서 지금 쓰고 있는데

튜닝한 부분이랑 모델간 비교한 부분 코드도 리뷰해 주시고

놓쳤던 지표들도 확인해 주셨다. 

 

[train & val]

- 버전 8, 11 에서 wandb의 결과값들이 계속 나타나지 않던 것은 ' tracker = wandb' 설정을 모델에 넣지 않아서 였음. 

- 이걸로 실시간으로 보면 되고, 만약에 계속 안 뜨면 그냥 결과값만 봐도 된다고 해주심. 

 

- patience를 쓰려면 그냥 에폭 값을 높여도 알아서 멈춰주니깐 상관 없다는 것이랑

- 학습률을 이번에는 고려하지 않았는 데 그것도 확인해볼 것 

- seed=SEED 를 해야 시드 값이 고정됨 

- 로스: 학습로스가 내려가는  밸리데이션 로스가 올라가면 과적합이라고 판단함. 

  - 로스가 증가되기 시작한 부분에서 멈춰야 함. 

  - 학습용 데이터에서만 잘 판단하는 것이니깐. 

- 멀티클래스는 클래스마다 프리시젼과 리콜의 차이가 있는 지 확인해야 함. 

  -> 한 이미지에 차와 가로등 등이 있는데, 이 때 가로등의 개수는 차의 개수와 명백히 다르니까

  -> then, 가로등을 합성시켜서 아규멘테이션을 하는 방법이 있음.

  -> but, 픽셀단위로 해서.. 합성한 게 실제 데이터랑 달라버리면, 추론 성능이 달라질 수 있으니깐, 주의해서 해야 함.

 

[test]

- 배치는 달라져도 되지만, 이미지 사이즈는 고정되어야 함. 

- 신뢰도, ior 다른 지표들도 조정해보면서 확인해보라고 해주심.

- 디폴트 값 확인하고 커스텀을 직접해보라고 

 

[추론]

- 추론으로 넣었던 데이터가 우리가 학습한 데이터랑 맞지 X

- 광량, 카메라 각도, 개수, 차량 개수, 차량 간 간격, 차량 방향에 따른 인식률 저하 등 고려가 필요

=> 결국 학습한 데이터와 비슷하지 않으면 의미가 없음..

  -> 이게 어려운 지점인 듯... 결국 이 데이터로는 턱도 없음. 

 

[환경]

- 모델 별로 다른 가상환경을 만들길 추천해주심. 

- 특히 욜로에서 디텍트론으로 넘어간다면 그렇게 해야 꼬이지 않음. 

- 가상환경들이 용량을 많이 차지하기 때문에, 그냥 requirements.txt 따로 빼서 깃헙 리드미에 설명을 적어두신다고함. 

 

[fast api]

- nohup이나 tnux로 백단에서 계속 돌아가도록 해볼 것 .

- 인풋과 아웃풋만 있는 api…

- 백엔드와 소통할 때 사용.

 

[streamlit]

- 데모사이트를 만드는것. 커스텀하게 만들 수 있음. Poc 를 만든다고 보면 됨.

- 대시보드용

- 모델의 결과 값을 볼 때 사용하기 용이함. 

 

 

+ 그 외에도 개인적인 부분들에 대해서도

본인의 일처럼 생각해서 고민해주셨음. 

굉장히 감사함.