프로그래밍/2P1L project7 프로젝트 마무리 https://crane206265.tistory.com/38 프로젝트를 마무리 했습니다. 8월 10일부터 8월 28일까지 약 2주간의 여정이 끝났는데요 짧지만 길었던 그 시간동안 많은 것을 배울 수 있었습니다. 뭐...데이터셋도 직접 만들어보고...오토인코더 결과를 GAN에 써보고... 많은 경험을 했습니다. 이렇게 나오는 모습을 보며 뿌듯했습니다. 뭔가 귀여운데 무서운거 같긴해요 ㅋㅋㅋ 어쨋든 너무 재밌었고 나중에 시간이 되면 데이터를 늘려보거나 성능을 올려보도록 하겠습니다 2023. 9. 15. 데이터 생성과 오토인코더 활용 앞서 실행한 GAN의 결과를 보고 이유를 생각해보았습니다. 1. 선의 두께가 얇다 2. GAN이 학습하기에는 데이터 수가 부족하다 이러한 이유로 데이터 수를 더 늘렸습니다. 지금까지 모인 데이터는 233장으로 매우 적은 수입니다. 선의 두께를 올리고 표정을 더 정확히 그리기 위해 한 표정을 여러 번 그리는 작업을 통해 직접 제작한 데이터는 총 500장으로 만들었습니다. 1000장을 채우는 것이 목표였는데 나머지를 어떻게 채울까 고민하다가 오토인코더를 사용하기로 했습니다. 오토인코더는 데이터의 특징을 뽑아 생성하기 때문에 입력 데이터의 특징을 잘 담고 있습니다. 이러한 이유로 이 알고리즘은 데이터가 충분하지 않은 곳에서 사용될 수 있다고 했습니다. 이 프로젝트도 데이터가 부족한 상황이기 때문에 오토인코더로.. 2023. 8. 27. GAN 학습 오토인코더 학습을 돌린 후 GAN으로 돌리면 어떻게 될지 궁금했습니다. GAN도 비지도 학습 이미지 생성이긴 한데 특징을 뽑아내어 생성하는 오토인코더와는 달리 노이즈로부터 이미지를 생성해 나가니까요. 데이터도 부족하고 해서 아마 잘 생성되진 않을 것이라 예측했습니다. GAN 모델을 가져와서 데이터에 맞도록 크기를 설정해주고 학습 2000번, 200번 마다 사진 저장으로 학습시켰습니다. 처음에 코랩에서 진행했는데 이렇게 가다간 와이파이가 끊어지던, 시간이 다 되던 할 것 같아서 주피터 노트북으로 옮겨서 진행했습니다. 총 시간은 597m 1.0s 가 걸렸습니다. 학습을 돌리면서 충전 중에는 과열이 많이 되기도 해서 쿨링은 꼭 필요한 것 같습니다... 수고했다. 노트북아..... 미안..... 파라미터가 76.. 2023. 8. 25. 오토인코더 학습 https://crane206265.tistory.com/30 [2P1L] 이미지 데이터셋 numpy 배열로 저장하기 데이터셋이 이미지로 모여있습니다. 이를 그대로 쓸 수는 없고, 프로그래밍에 활용 가능한 데이터셋의 형태로 바꾸어야 합니다. Python의 경우는, numpy의 array(배열)로 바꿔주는 것이 일반적이죠. crane206265.tistory.com 이미지를 학습시키는데 있어서 계속 오류가 났었는데 같이 활동하는 친구가 고쳐주었습니다. 계속 데이터 전처리 부분에서 실수를 하는데 이 부분은 더 공부해야 할 것 같습니다. 이제 제대로 학습시켜줄 수 있습니다. #데이터셋 불러오기 (X_train), (X_test) = np.load(face_img) print(train.shape[0]) X_t.. 2023. 8. 22. 데이터셋 나누기 학습을 위해 데이터셋을 나누어야 합니다. 하지만 제 데이터는 이미지이고 구글 드라이브에 이름 순으로 정렬되어 있습니다. 데이터셋을 나누긴 해야하는데 이대로 자르면 안될거 같고 무작위로 섞어주어야 하는데...... 그래서 방법을 찾아보다가 이렇게 해보았습니다. os.listdir(face) 이 코드는 face 폴더 안에 있는 데이터의 이름(경로)을 뽑아내는 코드입니다. 출력하면 list 형식으로 나오게 되는데 이것에 주의를 합시다. 처음에는 img_list 에 따로 리스트를 만들어 넣어주려고 했는데 그러면 2차원 배열이 되더군요. 그냥 그대로 사용해도 됩니다. 데이터 이름을 무작위로 섞어 주기 위해서 import random 랜덤 모듈을 import 하고 img_list = os.listdir(face) .. 2023. 8. 12. 코랩에서 이미지 불러오기 하루만에 200장이 모였어요. 선배, 후배님들 감사합니다. 딥러닝은 라이브러리가 많아 코랩에서 작업하는게 편해서 코랩에서 하고 있습니다. (본인 컴퓨터 파이썬 어디가 좀 고장남,,,,,,,) 사진의 기준은 이렇습니다. 1. 검은 바탕 2. 흰색 펜 3. 크기는 1:1 라벨링은 아직 안 한 상태라 모델을 설계하면서 필요하면 해주겠습니다. 1. 데이터 준비 모인 사진을 구글 드라이브에 폴더로 정리해서 올립니다. 2. 라이브러리 불러오기 import matplotlib.pyplot as plt import os from keras.preprocessing import image import keras.utils as image 3번 째 줄을 처음에 불러왔었는데 저는 안 돌아가서 4번도 추가해주었습니다. 3. .. 2023. 8. 12. 2P1L 이미지 생성하기 프로젝트 심심해서 이런 뻘짓 하면서 놀고 있었는데 그렇게 됐습니다 우울하거나 심심할 때 제가 그리는 건데 하찮아서 귀엽거든요 그래서 종종 SNS에도 올리고 그랬는데 이번에 대량생산을 좀 해서 GAN 이나 Auto-Encoder 를 돌려보고 싶습니다. 뭔가 일이 커졌는데 재밌을거 같아요 잘 될진 모르겠고 열심히 생산하러 가보겠습니다. 2023. 8. 10. 이전 1 다음
