deeplearning_mission

MNIST 데이터 셋

• 1. Pythorch Template 활용하여 MLP 모델 만들기 - pythorch Template
• 2. Pytorch 공식 튜토리얼 문서의 컴퓨터 비전 전이 학습을 이해하고 각 줄에 대한 주석 달기 - pytorch 공식 튜토리얼
• 3. CNN 모델을 사용하여 99% 이상 성능 내는 모델 만들기
• 4. RNN 모델을 사용하여 98% 이상 성능 내는 모델 만들기
• 5. LSTM 모델을 사용하여 98% 이상 성능 내는 모델 만들기
• 6. GRU 모델을 사용하여 98% 이상 성능 내는 모델 만들기
• 7. Albumentation 라이브러리를 사용하여 데이터 증강하여 99.5% 이상의 성능을 내는 모델을 만들기 - Albumentation 라이브러리
• 8. Convolution 과 Activation 레이어만 사용하여 MNIST 분류기 만들기 (FCLayer, Flatten 없이 구현)
• 9. Semi-supervised learning을 이용해서 MNIST 분류기 만들기 - 참고자료1, 참고자료2

MNIST 데이터 셋 만드는 코드

import torchvision.transforms as T
import torchvision
import torch
from torch.utils.data import DataLoader

download_root = './MNIST_DATASET'

mnist_transform = T.Compose([
    T.ToTensor(),
])

train_dataset = torchvision.datasets.MNIST(download_root, transform=mnist_transform, train=True, download=True)
test_dataset = torchvision.datasets.MNIST(download_root, transform=mnist_transform, train=False, download=True) 

total_size = len(train_dataset)
train_num, valid_num = int(total_size * 0.8), int(total_size * 0.2) 
train_dataset,valid_dataset = torch.utils.data.random_split(train_dataset, [train_num, valid_num])

batch_size = 32

train_dataloader = DataLoader(train_dataset, batch_size = batch_size, shuffle = True)
valid_dataloader = DataLoader(valid_dataset, batch_size = batch_size, shuffle = False)
test_dataloader = DataLoader(test_dataset, batch_size = batch_size, shuffle = False)