사전 학습 모델 활용

PyTorch로 배우는 이미지 딥러닝

Michal Oleszak

Machine Learning Engineer

사전 학습 모델 활용하기

처음부터 모델 학습:
- 시간이 오래 걸림
- 많은 데이터 필요
사전 학습 모델 - 이미 특정 작업에 학습된 모델
- 새 작업에 바로 재사용 가능
- 새 작업에 맞게 조정 필요(전이 학습)
사전 학습 모델 활용 단계:
- 로컬로 모델 저장 및 로드
- torchvision 모델 다운로드

PyTorch 모델 저장

torch.save()
모델 확장자: .pt 또는 .pth

.state_dict()로 가중치 저장

torch.save(model.state_dict(), "BinaryCNN.pth")

PyTorch 모델 로드

새 모델 인스턴스화
```
new_model = BinaryCNN()
```

저장한 파라미터 로드

new_model.load_state_dict(torch.load('BinaryCNN.pth'))

`torchvision` 모델 다운로드

from torchvision.models import (
    resnet18, ResNet18_Weights
)


weights = ResNet18_Weights.DEFAULT

model = resnet18(weights=weights)

transforms = weights.transforms()

resnet 구조와 가중치 임포트
가중치 추출
가중치를 전달해 모델 생성
필요한 데이터 변환 저장

새 입력 이미지 준비

from PIL import Image

image = Image.open("cat013.jpg")

image_tensor = transform(image)

image_reshaped = image_tensors.unsqueeze(0)

고양이 이미지

이미지 로드
이미지 변환
이미지 리쉐이프

새 예측 생성

model.eval()


with torch.no_grad():

    pred = model(image_reshaped).squeeze(0)


pred_cls = pred.softmax(0)

cls_id = pred_cls.argmax().item()

cls_name = weights.meta["categories"][cls_id]


print(cls_name)

Egyptian cat

추론을 위한 평가 모드
그래디언트 비활성화
이미지를 모델에 전달하고 배치 차원 제거
소프트맥스 적용
최고 확률 클래스 선택해 인덱스 추출
클래스 인덱스를 라벨로 매핑
클래스 라벨 출력

Lass uns üben!

PyTorch로 배우는 이미지 딥러닝