소스코드
import image_to_dataset as itd
import torch
def model_train(X_train, y_train, X_test, y_test):
X_train = torch.FloatTensor(X_train)
y_train = torch.FloatTensor(y_train).reshape(-1,1)
X_test = torch.FloatTensor(X_test)
y_test = torch.FloatTensor(y_test).reshape(-1,1)
# 로지스틱 회귀 모델 클래스
class LogisticClassifer(torch.nn.Module):
def __init__(self):
super().__init__()
self.linear1 = torch.nn.Linear(400, 128)
self.linear2 = torch.nn.Linear(128, 1)
self.sigmoid = torch.nn.Sigmoid()
# self.ReLu = torch.nn.ReLu()
def forward(self, x):
output = self.linear1(x)
output = self.linear2(output)
output = self.sigmoid(output)
return output
model = LogisticClassifer()
# 파라미터 설정
# SGD 확률적 경사 하강법
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)
nb_epochs = 300 # 반복 횟수
for epoch in range(nb_epochs + 1):
hypothesis = model(X_train)
loss = torch.nn.functional.binary_cross_entropy(hypothesis, y_train)
optimizer.zero_grad()
loss.backward()
optimizer.step()
# 0.5는 임계값
pred = model(X_train) >= torch.FloatTensor([0.5])
accuracy = (pred == y_train).sum() / len(y_train)
print(f'Train Data : Epoch {epoch}/{nb_epochs} Loss: {loss:.4f} Accuracy {accuracy*100:.2f}%')
pred = model(X_test) >= torch.FloatTensor([0.5])
accuracy = (pred == y_test).sum() / len(y_test)
print(f'Test Data : Accuracy {accuracy*100:.2f}%')
# 데이터 생성하기
print("None")
# itd는 직접 만든 이미지 파일을 학습용 데이터로 만들어주는 모듈
X_train, X_test, y_train, y_test = itd.image_to_input_data(
dir_path='./data/logistic_data', # 파일 위치
grayscale=True, # 그레이스케일 여부
processing=0, # 전처리 : 0는 없음
validation=0.1 # 훈련데이터 비율
)
model_train(X_train, y_train, X_test, y_test)
print("======================================")
print("Min-Max")
X_train, X_test, y_train, y_test = itd.image_to_input_data(
dir_path='./data/logistic_data', # 파일 위치
grayscale=True, # 그레이스케일 여부
processing=1, # 전처리 : 1는 최대 최소 전처리
validation=0.1 # 훈련데이터 비율
)
model_train(X_train, y_train, X_test, y_test)
print("======================================")
print("Standard")
X_train, X_test, y_train, y_test = itd.image_to_input_data(
dir_path='./data/logistic_data', # 파일 위치
grayscale=True, # 그레이스케일 여부
processing=2, # 전처리 : 표준화 전처리
validation=0.1 # 훈련데이터 비율
)
model_train(X_train, y_train, X_test, y_test)
print("======================================")
실행 결과
None
Train Data : Epoch 300/300 Loss: 45.1534 Accuracy 51.11%
Test Data : Accuracy 40.00%
===========================================================
Min-Max
Train Data : Epoch 300/300 Loss: 0.0093 Accuracy 100.00%
Test Data : Accuracy 80.00%
===========================================================
Standard
Train Data : Epoch 300/300 Loss: 0.0014 Accuracy 100.00%
Test Data : Accuracy 60.00%
===========================================================