# 몇 epoch 학습할 것인지
training_epoch = train_util.training_epoch
# 배치 사이즈 조절
batch_size = train_util.batch_size
# 데이터 경로 지정부분
datadir, traindir, validdir, testdir, image_transforms, data, dataloaders = train_util.init_dataset(
)
cat_df, image_df = train_util.category_dataframe(traindir, validdir, testdir)
# 학습된 데이터 저장시 이름을 정하는 부분
save_file_name = './ModelSave/' + model_choice + '-transfer.pt'
checkpoint_path = './ModelSave/' + model_choice + '-transfer_bts' + str(
batch_size) + "_ep" + str(
training_epoch) + "_" + train_util.get_date() + '.pth'
# 이미지 갯수 분포 그래프 이미지로 저장
# train_util.save_distribution_of_images(cat_df, model_choice)
# Whether to train on a gpu
train_on_gpu = cuda.is_available() # GPU를 사용할 수 있는지 없는지 판단한다.
if train_on_gpu:
print('학습 모드 : GPU\n')
else:
print('학습 모드 : CPU\n')
cat_df.sort_values('n_train', ascending=False, inplace=True)
# print(f'{cat_df.head()}\n')
# print(f'{cat_df.tail()}\n')
# 배치 사이즈 조절
batch_size = train_util.batch_size
iterate_train = 1
for x in range(iterate_train):
print('=============================================================================================================')
print(f'학습을 {iterate_train}번 반복합니다. {x+1}번째')
# 데이터 경로 지정부분
datadir, traindir, validdir, testdir, image_transforms, data, dataloaders = train_util.init_dataset()
cat_df , image_df = train_util.category_dataframe(traindir, validdir, testdir)
# 학습된 데이터 저장시 이름을 정하는 부분
save_file_name = './ModelSave/' + model_choice + '-transfer.pt'
checkpoint_path = './ModelSave/' + model_choice + '-transfer_bts' +str(batch_size) + "_ep" + str(training_epoch) + "_" +train_util.get_date()+'.pth'
# 이미지 갯수 분포 그래프 이미지로 저장
# train_util.save_distribution_of_images(cat_df, model_choice)
# Whether to train on a gpu
train_on_gpu = cuda.is_available() # GPU를 사용할 수 있는지 없는지 판단한다.
if train_on_gpu:
print('학습 모드 : GPU\n')
else:
print('학습 모드 : CPU\n')
cat_df.sort_values('n_train', ascending=False, inplace=True)