Preparation

DL Modeler Tutorial

6개의 카테고리로 구분된 풍경 이미지를 DL Modeler에 업로드하여, built-in 알고리즘 중 하나인 Image Classification을 이용해 GPU 분산 학습한다. 학습이 완료되면, 생성된 학습 모델을 배포하여 새로운 이미지의 카테고리를 예측한다.

데이터 준비

데이터 설명

이번 Demo에서 사용할 데이터는 Intel이 Kaggle에 공개한 Intel Image Classification 이미지 데이터이다. (https://www.kaggle.com/puneet6060/intel-image-classification)

• 150px X 150px 사이즈의 자연/풍경 이미지 약 25,000개로 구성된 데이터셋이다.
• 학습용 데이터로 총 14,034개의 이미지가 있지만, demo 실습을 할 땐 59개 이미지만 학습 데이터로 사용하여 toy model을 만든다.
• 이미지 카테고리는 총 6개(buildings, forest, glacier, mountain, sea, street)이다.

학습 데이터

• Image Classification의 학습 input으로 총 두 가지의 데이터가 필요하다.
  • 학습에 사용할 이미지 파일
  • 학습 이미지 파일명과 label이 매핑되어 있는 csv 데이터
• 실제 이미지 파일과, csv 데이터 상의 파일 개수가 일치해야 학습 오류가 발생하지 않는다.
• 학습 label 값은 정수만 가능하기 때문에, 카테고리와 정수 label로 변환해야 한다.
• 정수 label은 분류 결과 해석/활용 시 다시 카테고리로 바꿔 주는 작업이 필요하다.
• demo에서는 학습에 사용할 csv 파일이 미리 준비되어 있다. (image_label.csv)
• demo의 label csv 파일은 다음 표를 기준으로 제작되었다.

카테고리	정수 label
forest	0
buildings	1
glacier	2
street	3
mountain	4
sea	5