ASAC 52일차_딥러닝 7일차

2024.02.15

 

VGG 모델 실습2

* 지난 일차에 이어서 진행

 

데이터 증강 적용

60,000장의 데이터를 50% 증강한 90,000장 적용

import tensorflow as tf

fahion_mnist = tf.keras.datasets.fashion_mnist
(train_X, train_y), (test_X, test_y) = fahion_mnist.load_data()
print(train_X.shape)
print(train_y.shape)
print(test_X.shape)
print(test_y.shape)

# 전처리
train_X = train_X/ 255.0
test_X = test_X /255.0

train_X = train_X.reshape(-1,28,28,1) # 3d --> 4d
test_X  = test_X.reshape(-1, 28,28,1)

image_gen = tf.keras.preprocessing.image.ImageDataGenerator(
	# 필요 옵션을 상황에 맞게 적용
    rotation_range=10,
    zoom_range=0.10,
    horizontal_flip=True, 
    vertical_flip=False,  
)

augument_size = 30000
randidx = np.random.randint( train_X.shape[0], size= augument_size)

x_augumented = train_X[randidx].copy()
y_augumented = train_y[randidx].copy()

x_augumented = image_gen.flow(x_augumented, np.zeros(augugment_size), 
								batch_size = augument_size, shuffle = False).next()[0]

# 증강 데이터 추가
train_X = np.concatenate((train_X, x_augumented))
train_y = np.concatenate((train_y, y_augumented))

# 지난 일차 코드 그대로 적용
# 지난 일차 코드 참고
from tensorflow.keras.layers import Conv2D, MaxPool2D, Flatten, Dense, Dropout

model_vgg_fshion= tf.keras.Sequential([
    # 생략
])
model_vgg_fshion.summary()

import os
cp_path = "training/cp-{epoch:04d}.ckpt"
cp_dir  = os.path.dirname(cp_path)
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    cp_path,
    verbose = 1,
    save_weights_only = True
    )
es_callback = tf.keras.callbacks.EarlyStopping(
    monitor = "val_loss", 
    patience = 10
)

#------------------------------------------------------------

model_vgg_fshion.compile(
    optimizer = tf.keras.optimizers.Adam(),
    loss = "sparse_categorical_crossentropy",
    metrics = ["accuracy"]
)
model_vgg_fshion.fit(train_X, train_y,
                     epochs=100,
                     validation_split=0.25,
                     batch_size = 1024,
                     callbacks=[cp_callback,es_callback ]
                     )

 

 

위의 방식은 증강 데이터를 직접 만들어 사용하는 방식인데

아래는 학습할 때 생성해서 사용하는 방식이다. 

generator= tf.keras.preprocessing.image.ImageDataGenerator(
    rotation_range=10,
    zoom_range=0.10,
    horizontal_flip=True,
		vertical_flip=False,
    )

train_batches = generator.flow(train_X,train_y, batch_size = 256)
val_batches = generator.flow(test_X,test_y, batch_size = 256)

#### 중간 과정은 동일

# 학습하는 부분만 수정
history = model_vgg_fshion.fit_generator(
	train_batches, 
	epochs = 20, 
	validation_data = val_batches,
	use_multiprocessing = True
)