MNIST_classification

3rd Semester [Deep Learning] assignment

LeNet5 모델과 Custom MLP를 이용해서 MNIST Classification 진행

LeNet5 모델과 Custom MLP 모델의 파라미터 갯수를 최대한 같게 구성한다.

1. dataset.py

Pytorch DataLoader 구축 후 잘 설정되었는지 확인

    if __name__ == '__main__':
      dir = "./data"
      transform = transforms.Compose([
          transforms.Resize((32, 32)),
          transforms.ToTensor()
      ])
      trainset = MNIST(data_dir=dir, mode='train', transform=transform)
      train_loader = DataLoader(trainset, batch_size=4, shuffle=True, num_workers=0)
      for img, label in train_loader:
          print(img)
          print(label)
          import sys;
          sys.exit(0)

2. model.py

• LeNet 5은 모든 convolutional layer에서 5x5 사이즈의 kernel을 가지고 학습이 진행된다.

• Pytorch의 torchsummary 라이브러리를 이용해서 LeNet 5의 파라미터 갯수를 확인했다.

총 61,706개를 가지고있다.

• Custom MLP

• 두번째 hidden layer의 노드의 갯수를 59로 설정한다.

Pytorch의 torchsummary 라이브러리를 이용해서 Custom MLP의 파라미터 갯수를 확인했다.

총 61,075개를 가지고있다.

기존의 LeNet 5 네트워크와 약 600개 정도밖에 차이가 안나는것을 확인할 수 있다.

Performance in training data

• LeNet5

• Custom MLP