WRN: 넓은 잔차망을 활용한 이미지 분류 최적화
Wide Residual Networks(WRN)는 Sergey Zagoruyko와 Nikos Komodakis가 2016년에 발표한 아키텍처로, 잔차 블록의 채널 수를 확장하면서 깊이를 줄이는 전략으로 이미지 분류의 효율성을 극대화했다. CIFAR-10에서 3.8%, CIFAR-100에서 18.3%의 오류율을 기록하며, 기존의 깊은 네트워크 대비 월등한 학습 속도를 입증했다.
깊이 대신 넓이를 선택한 이유
기존 ResNet은 ...
7월 11일 23:51에 게시됨
신경망의 기본 구현 및 학습 프로세스
데이터 로드 및 전처리
이미지 데이터는 지정된 폴더 구조에 따라 구성되어야 하며, 각 클래스별로 폴더를 분리하여 저장합니다.
data_dir = "./data"
transform = {
'train': transforms.Compose([
transforms.Resize((64, 64)),
transforms.ToTensor()
]),
'valid': transforms.Compose([
transforms.Resize((64, 64)),
tra ...
6월 27일 19:56에 게시됨