본문 바로가기

인공지능/ML, DL9

[tensorflow] tensorflow 2.9 (2.9.1) 버전에서 CPU만 사용하기 (GPU 사용 안함) tensorflow 2.3.1 이후 버전부터는 GPU가 자동으로 연동된다. 이 때문에 GPU를 사용하지 않는 연산에서도 GPU 메모리를 점유하여 OOM 에러가 나거나 학습이 느려지는 현상이 발생한다. 아래와 같은 문장을 모델 컴파일/ 학습/예측/ 평가 이전에 추가해주면 GPU를 사용하지 않고 CPU만을 활용하여 연산한다. os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 2022. 11. 23.
[ML, DL] Baseline Accuracy란? (기준 모델, 기준 정확도) 딥러닝, 머신러닝 모델을 현업에서 활용하다 보니, 모델의 성능이 낮은 경우도 있고 터무니 없이 높은 경우도 마주하게 된다. 만든 모델의 성능이 비록 수치상으로 100에 다다르지 못하더라도, 데이터에 비하면! 잘 만들었다는 설명을 어떻게 할 수 있을까 고민하게 되었다. 그러던 와중, 상사분께서 "분류 문제의 경우 데이터 비율이 80:20이면, 최소 80은 넘어야 된다"라는 말씀을 해주셨는데, 어딘가에는 근거가 있을 것 같아 서치하던 중 "Baseline Accuracy"라는 개념을 접하게 되어 내가 이해한 바를 정리해보려 한다. Baseline Accuracy (단순 번역: 기준 정확도) 기준 정확도는 말 그대로 기준이 되는 정확도이다. 위에서 내가 접한 문제처럼 딥러닝/ 머신러닝 모델이 잘 만들어진 것인.. 2022. 8. 30.
[CNN] XAI 구현하기 - (1) CAM 회사에서 프로젝트를 진행하면서, XAI(Explanable AI)의 도움이 필요한 일이 생겼다. GRAD-CAM, CAM 등 다양한 XAI 방법이 존재하고, 실제로 구현된 코드를 활용해 본 적도 있으나, 아키텍처가 베이스 아키텍처에서 많이 벗어나면서 활용에 문제가 발생했다. 이는 근본적으로 XAI의 알고리즘과 구동 원리를 명확히 알지 못함에서 비롯된 것이며, 이에 따라 구동 원리를 명확히 파악하고자 각각의 XAI 알고리즘의 유래와 원리, 구현까지 수행해보려 한다. 목적은 딥러닝 모델이 분류 문제 해결 시, 어떤 위치(ROI)에 주안점을 두고 문제를 해결하는지를 파악하여, 학습이 잘 되었는지, 왜 잘 안되었는지를 확인하고자 하는 것이다. 가장 처음 등장한 XAI인, CAM부터 알아보도록 하겠다. CAM 이.. 2022. 3. 7.