모델을 학습시킨 후에 평가할 때의 이야기.
나의 경우에는 데이터를 넣고 그 결과를 받아서 결과 종류에 따라서 이미지 처리하는 것이 달라진다. 이미지 처리하는 과정이 있어, 1개씩 입력하면 편하다. 그래서 그 동안 테스트 자료들을 그렇게 처리했다. 그런데 한 번에 여러개를 처리할 수 없을까 고민을 하다가 결국 해보았다.
결과 형식이 list(?)로 나오기 때문에 결과 해석에 따른 이미지 처리 과정도 순차적으로 확인하는 과정으로 하였다. 즉, for 문을 이용했다는 이야기이다.
속도의 차이는 없는 것 같고, GPU 메모리를 좀 더 사용하며, CPU 사용량이 줄어들었다. CPU 사용량이 줄기는 했는데, 패턴(?)이 달라진 것 같다. 전에 방식으로는 0.6 * 6이라는 느낌으로 사용했다면, 이번에는 0.9 + 0.1*5 정도의 느낌으로 사용한다.
Scriptable Transforms 이 torchvision 0.8에서부터 지원이 된다고 한다. 무엇인지는 모르겠으나 속도가 빨라질 수도 있다기에 내 연구 과제에 적용시켜 보았는데, 오히려 느리다. 사용 방법에 따라서 차이가 존재하는 것 같다.
PyTorch에서는 별도의 함수로 지정되어 있는 것 같지 않지만, 기본 개념을 알고 있다면 어렵지 않게 직접 구현할 수 있다. R과 마찬가지로 Python에서는 for 반복문에서 중단하는 명령어는 break이다. 기본 제공되는 스크립트에서 best accuracy를 평가하는 부분에 현재 epoch 번호도 저장하도록 변수를 하나 더 지정한다. 그리고 epoch와 관련된 반복문 마지막 부분에 현재 epoch과 best accuracy 때에 epoch 차이를 확인하여 일정 범위를 넘어서면 break가 동작하도록 조건문을 설정한다.
def train_model(model, criterion, optimizer, epochs):
...
for epoch in range(epochs):
...
if phase == 'val' and epoch_acc > best_acc:
...
best_epoch = epoch
if (epoch - best_epoch >= 10):
break여러 줄을 주석처리하는 것이 힘들어서 찾아보니 역시 방법은 있었다. 내가 선택한 방법은 큰 따옴표 혹은 작은 따옴표 3개를 이용하여 주석처리 하는 것이다.
'''
주석 처리 할 부분
'''
혹은
"""
주석 처리 할 부분
"""