print('\n----------------------------------------------------------------')
print(f'\t- 학습할 모델 이름 : {model_choice}')
print(f'\t- 총 학습할 Epoch 수 : {training_epoch}\n\t- 배치크기 : {batch_size}')
print(f'\t- 이미지 카테고리 수 : {n_classes}')
print(f'\t- 훈련 이미지 수 : {len(data["train"].imgs)} 장')
print(f'\t- 검증 이미지 수 : {len(data["val"].imgs)} 장')
print(f'\t- 시험 이미지 수 : {len(data["test"].imgs)} 장')
print(
f'\t- 총이미지 수 : {len(data["train"].imgs) + len(data["val"].imgs) + len(data["test"].imgs)} 장'
)
print(f'\t- 학습에 사용된 GPU 종류 : {cuda.get_device_name(0)}')
print(f'\t- GPU 학습 가능 여부 : {cuda.is_available()}')
print('\t- 모델 구조')
# 모델 구조 출력
train_util.print_model_architecture(model_choice)
# Pretrained_model 호출 및 다운로드
model = train_util.get_pretrained_model_last_layer_change(model_choice,
n_classes=n_classes)
# Loss 함수 설정
criterion = train_util.get_loss_function()
# 최적화 함수 설정
optimizer = train_util.get_optimizer(model.parameters())
print(f'\t- Loss 함수 : {criterion}\n\t- Optimizer 종류: {optimizer}\n')
print("\t- 전체 카테고리 당 이미지 수")
print(cat_df)
print('----------------------------------------------------------------\n')
import train_util
train_util.print_model_architecture('inception_v3')