딥러닝 모델 구축 프로세스

오늘은 간단한 딥러닝 모델 구축 프로세스에 대해 나열해보겠습니다.

추후 개별적으로 세부내용을 정리한 링크를 첨부하여 좀 더 보완하겠습니다. 

1. Dataset 파이프라인 구축

    - Data 수집 및 라벨링

    - 학습용 데이터셋 구축 -> Train, Validation, Test (Cross Validation)

    - Data Pre-processing -> 이미지처리, Data Augmentation, Data Normalization, Data Type and Shape Transpose

 

2. 모델 하이퍼 파라미터 정의

    - Learning Rate Scheduling

    - Batch size, Epoch

    - 기타 필요 파라미터 정의 

 

3. 모델 레이어 정의

    - 모델에 따른 Layer 구성 (Step Connection, Overall Layer Shape, Biconvolution etc..)

    - Activation Function (tanh, relu, leakyrelu, maxout etc..)

    - Batch Normalization 

    - Drop Out

 

4. Optimization Method Select

 

5. Pre-train or Fine Tuning

 

6. Loss Function Build

    - Task 특성에 맞추어 정의 Classification, Regression...

 

7. Model Ensemble 방법론 적용

 

8. Inference - Evaluation, Metric 코드 구현

 

9. Post Processing - Decoder, image processing ...